主讲老师第三十八课：相关性热图的绘制
相关性热图，顾名思义，包括了从计算多个变量之间的相关性，到可视化展示过程。下面，我们一起来看下如何绘制相关性热图（corrplot.zip）。
1.R 包和数据准备
1.1 读取 R 包
虽然可用于绘制相关性热图的 R 包有许多，但是在此，我们使用经典的 corrplot 包来进行讲解。
1.2 读取数据
随后，读取示例数据，在此，使用分析保存好的 CIBERSORT 免疫浸润结果，提取 22 个免疫细胞浸润结果，并提出浸润丰度全为 0 的免疫细胞结果显示，最终得到了 21 个不同的免疫细胞。
2.计算相关系数
接下来，使用 cor() 函数可以直接计算不同免疫细胞之间的相关性设置参数 method=pearson ，得到 Pearson 相关性系数，同时，使用 round()函数对相关系数保留小数点后 2 位有效数字。
3.简单绘制
使用 corrplot() 函数快速绘制相关性热图。
可以看到，在图中，蓝色显示为正相关性，红色为负相关性，而且，颜色越深，气泡越大，表示相关性越高，接着，同样的，我们来看下里面的相关参数使用
4.调整参数
4.1 可视化方法
首先，对每个方格内对可视化形式进行调整，以正方形进行填充
4.2 矩阵显示类型
由于上下两边是完全对称的，因此我们可以通过对参数 type 进行修改，从而选择只展- 272 -示一半的图形。
4.3 绘制组合图形
此外，在同一个函数中，不同的参数之间可以通过组合来美化结果
4.4 相关矩阵排序
对于矩阵中不同变量的排列顺序，我们同样可以根据自己的需要，对参数 order 进行修改，进而改变相关性矩阵中变量的排列顺序。
不过这几个排序顺序，特别是前两个，一般很少使用，大家了解一下有这几种展示方式即可。
4.5 设置矩阵颜色
当然，对于热图比例尺的显示颜色，或图形的背景色，同样可以修改。定义好颜色取值后，将其赋值给参数 col当然，我们也可以通过参数 bg 对背景颜色进行修改。
4.6 设置文本标签属性
将字体缩小到 0.5 倍。
4.7 设置显著水平
首先，需要把相关性分析中对应的显著性 P 值计算出来，接着，通过参数 sig.level = .05设置 p 值>0.05的不显示如果 x 太丑，也可以对其进行修改。
通过参数 insig = "blank"设置 p 值>0.05 的相关系数为空白。
通过参数 insig = "p-value"设置 p 值>0.05 的相关系数展示 P 值。
好啦，关于相关性热图的各种参数配置到此就介绍好了，两块内容希望大家在后面熟悉一下相关的参数使用，在文章中组合使用会发挥很大的作用