示例数据（data1.csv）
数据为丰度/表达量矩阵，表格需要带表头和列名，每一列为样本名，每一行为各种指标数据名，如OTU，基因ID，代谢物名称等。
热图绘制示例
# 读取本地数据并查看
df <- read.csv("data1.csv", header = T, row.names = 1, check.names = F)
head(dat)
# 加载R包
# install.packages("pheatmap")
library(pheatmap)
# 默认绘图（使用函数默认参数绘图）
pheatmap(df)
# 热图美化
# scale = "row"参数对数据进行归一化，将数据统一量度，提高数据间的可比性，可选："row"（行）, "column"（列）， "none"（不进行归一化）
# 按行进行归一化
pheatmap(df, scale = "row")
# 按列进行归一化
pheatmap(df, scale = "column")
# 聚类设置，行名列名设置
pheatmap(df, scale = "row",
cluster_row = T, # 是否对行进行聚类，可选：T，F
cluster_col = F, # 是否对列进行聚类，可选：T，F
treeheight_row = 40, # 行聚类树高度（仅在添加行聚类树情况下生效）
treeheight_col = 20, # 列聚类树高度（仅在添加列聚类树情况下生效）
show_rownames= T, # 是否展示行名
show_colnames= T, # 是否展示列名
fontsize_row = 8, # 行名字号
fontsize_col = 12 # 列名字号
)
# color参数自定义颜色
# 通过colorRampPalette()函数生成一个从"navy"到"white"再到"firebrick3"的颜色渐变，并指定了100个颜色值
pheatmap(df, scale = "row",
color = colorRampPalette(c("navy", "white", "brown"))(100))
# 添加行列注释信息
# 读取注释信息（需提前准备）
anno_row <- read.csv("anno.csv", row.names = 1, header = T,check.names = F)
head(anno_row)
anno_col <- read.csv("group.csv", row.names = 1, header = T,check.names = F)
head(anno_col)
# 添加注释
pheatmap(df, scale = "row",
annotation_row = anno_row, # 添加行注释
annotation_col = anno_col, # 添加列注释
annotation_names_row = T, # 是否绘制行注释名称
annotation_names_col = T # 是否绘制列注释名称
)
（1）实用性强：课程精选的每个专题都是科研客户的热门需求；
（2）实战性强：每个专题，都有完整、专门的脚步和案例数据，在Windows系统、Mac系统、Linux系统，均可学习和操作；
（3）可移植性强：把案例数据替换成自己的实际项目数据，使用课程附带的脚本就可以运行获得结果；
（4）体系更系统：课程包含软件、软件包的各种安装方法，脚本的写作规则，数据统计方法和各类典型绘图方法，循序渐进，基本包括了处理高通量测序数据的主要分析模块，逻辑严谨且体系完善，更容易综合掌握R语言；
（5）上手更容易：课程既适合于零基础的入门学习者，也适合于具有一定基础的初级使用者，课程中结合着一个个的具体案例，拆解了R语言使用的各个重要知识点，并对结果做了解读分析，同时分享了很多经验，学习起来更友好，可以举一反三用于实践。
扫描下方二维码或根据链接获取课程
链接：https://college.mimazi.net/course/article-55.html
