欢迎关注R语言数据分析指南
❝本节来介绍相关性热图的两种绘制方法，使用vegan包内置数据集来进行代码演示，个人观点仅供参考。有需要学习R语言绘图的朋友可关注文末介绍购买小编的R绘图文档。购买前请咨询，零基础不要买。
加载R包
library(tidyverse)
library(reshape)
library(psych)
library(RColorBrewer)
library(magrittr)
library(corrplot)
library(vegan)
相关性分析
需要注意两组数据的行名要保持一致
# vegan内置数据集
data("varespec")
data("varechem")
table1 <- varechem %>% select(1:10)
table2 <- varespec %>% select(1:19)
pp <- corr.test(table1, table2, method = "spearman",adjust = "none")
cor <- pp$r
pvalue <- pp$p
corrplot绘制热图
# 定义颜色
col <- colorRampPalette(brewer.pal(11, "RdBu")[3:9])(100)
corrplot(pp$r, p.mat = pp$p, # 输入相关矩阵和p值矩阵
method = "square", # 正方形方式展示
insig = 'label_sig', # 用符号标注显著结果
sig.level = c(0.001, 0.01, 0.05), # 显著性分级
pch.cex = 0.9, # 星号的大小
pch.col = "white", # 星号颜色
is.corr = FALSE, # 非标准相关矩阵
cl.length = 6, # 图例分段数
col = col, # 色带颜色设置
tl.col = "black", # 标签颜色
tl.cex = 0.7) # 标签大小
ggplot2绘制热图
跟corrplot比较ggplot的代码相对较多，但是若后期需要进行图形组合及一些特殊的自定义设置，此方法仍然是首选，若只是想快速绘制一个基础的热图则首推corrplot。
# 构建数据
df <- melt(cor) %>%
mutate(pvalue=melt(pvalue, as.is = TRUE)[[3]],
p_signif=symnum(pvalue, corr = FALSE, na = FALSE,
cutpoints = c(0, 0.001, 0.01,0.05,1),
symbols = c("***", "**", "*", ""))) %>%
set_colnames(c("env","genus","r","p","p_signif"))
# 绘制热图
df %>% ggplot(.,aes(genus,env))+
geom_tile(color="black",fill="white",size=0.3) +
geom_point(aes(size =abs(r),color=r),shape=15,stroke = 0) +
geom_text(aes(label=p_signif),size=4,color="white",
hjust=0.5,vjust=0.7) +
labs(x = NULL,y = NULL)+
scale_color_gradientn(colours =col)+
scale_x_discrete(expand=c(0,0)) +
scale_y_discrete(expand=c(0,0),position = 'right') +
scale_size(range=c(1,8),guide=NULL) +
# 修改图例属性
guides(color=guide_colorbar(title = "spearman's r",
position = "right")) +
theme_test() +
theme(axis.text.x=element_markdown(angle =90,
hjust =1,vjust =0.5,color="black"),
axis.text.y=element_text(color="black"),
axis.ticks= element_blank(),
plot.margin = margin(0.3,0.3,0.3,1,unit = "cm"),
panel.background = element_blank(),
legend.background = element_blank(),
legend.key.height = unit(1,"null"))
关注下方公众号下回更新不迷路
购买介绍
❝本节介绍到此结束，有需要学习R数据可视化的朋友欢迎到淘宝店铺：R语言数据分析指南，购买小编的R语言可视化文档，2025年购买将获取2025年更新的内容，同时将赠送2024年的绘图文档内容。
更新的绘图内容包含数据+代码+注释文档+文档清单，小编只分享案例文档，不额外回答问题，无答疑服务，更新截止2025年12月31日结束，零基础不推荐买。
案例特点
❝所选案例图绝大部份属于个性化分析图表，数据案例多来自已经发表的高分论文，并会汇总整理分享一些论文中公开的分析代码。
2025年起提供更加专业的html文档，更加的直观易学。文档累计上千人次购买拥有良好的社群交流体验，R代码结构清晰易懂.
目录大纲展示
群友精彩评论
淘宝店铺
2025年更新案例图展示
)
2024年案例图展示
