拯救老土的热图，99套配色大全来了

小洁忘了怎么分身

发布于 2026-01-29 12:33:58

5980

最近在筹备R语言画图课程，目前正在内测，因为只发了一下朋友圈和内部群就已经很多人了，就没有发在公众号。等我们根据内测的反馈打磨一番再拿出来给大家品鉴哦，可以蹲守！先抛个小彩蛋给大家看看！演示pheatmap + paletteer 一键提升热图逼格，附赠99 套配色清单。

0.示例数据

让我们先搞个示例数据，这是热图的帮助文档里的代码（?pheatmap）。

rm(list = ls())
library(pheatmap)
library(paletteer)
set.seed(315)
test = matrix(rnorm(200), 20, 10)
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3
test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2
test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4
colnames(test) = paste("Test", 1:10, sep = "")
rownames(test) = paste("Gene", 1:20, sep = "")

1.改造之前

标准的热图是长这样的：

pheatmap(test)

根据帮助文档调一下颜色是这样的：

library(RColorBrewer)
pheatmap(test,color = colorRampPalette(c("navy", "white", "firebrick3"))(100))

还是有点基础哈？还得调啊。

2.改造之后

为什么别人文章里的热图就花花绿绿那么有质感呢？因为他们使用了配色R包哦!

配色R包有非常多，但我在课堂上一直只讲一个，那就是paletteer！它和热图的配合是非常兼容的，举个栗子：

pheatmap(test,
         color = paletteer_c("ggthemes::Red-Green-White Diverging",n = 100))

引号里的内容是"配色R包::配色名称"。

是的，人的默认思维都是暖色调代表数值大，冷色调代表数值小，但这个配色呢，看图例就知道，默认的颜色是绿色代表数值大，红色代表数值小，实际应用应该让它反过来，设置direction = -1即可。

pheatmap(test,
         color = paletteer_c("ggthemes::Red-Green-White Diverging",
                             n = 100,direction = -1))

3.99种配色风格供君选择

"ggthemes::Red-Green-White Diverging"这样的配色名称，可以用tab补全出来，但是这么多种配色，哪些适合做热图呢？

热图里如果数据有正负/高低两端，发散型配色(diverging)会更直观，中间的‘白/浅色’通常对应接近 0 或均值。发散型的配色(一共99种),是：

#View(palettes_c_names)
f = palettes_c_names[palettes_c_names$type=="diverging",]
ps = unique(paste(f$package,f$palette,sep = "::"));ps

##  [1] "ggthemes::Orange-Blue Diverging"              
##  [2] "ggthemes::Red-Green Diverging"                
##  [3] "ggthemes::Green-Blue Diverging"               
...(此处省略95行，可以自己用代码获取或者看下面热图的标题)                     
## [98] "scico::bamO"                                  
## [99] "scico::vanimo"

我非常贴心的做了全部的图，标题就是他们的配色，当你想要复现同款配色图，只需要把第2部分的配色风格换掉就可以。

注：为了拼图好看，我仅保留了热图主体和图例哈！放大可以看到标题！

4.补充：我怎么拼的图呢？

这里是高级玩家的快乐！lapply+自定义函数可以实现批量画图，patchwork则可以实现批量拼图，超棒的。

这个过程中可能会让装包，就要选择yes。

全是R语言技巧，以前是纯靠手艺，现在有AI的帮助大家可以很好的理解和实现啦！不过自己一点都不懂也是不行的，借用我萌老师的一句话：

工具有很多，但还是要看人怎么用。现在ai这么强，你让一个小学生去分析单细胞数据,他也是做不到的,当代码变得廉价,经验就会变得异常重要, 不然代码对不对也没法评判。

library(patchwork)
res = lapply(ps, function(nm) {
  ph = pheatmap(test,color = paletteer_c(nm,n = 100),silent = T,
                treeheight_row = 0,treeheight_col = 0,
                show_rownames = F,show_colnames = F,
                main = nm,)
  wrap_elements(full = ph$gtable)
})
#这里只展示前10张图
wrap_plots(res[1:10], ncol = 5)