简洁分组树状图：colorhcplot

colorhcplot将层次聚类分析的结果可视化为树状图，树状图的叶子和标签根据样本分组着色。直观的评估数据分组是否与自然发生的簇一致。

这个函数生成简单的彩色树状图，只需要两个强制参数:hc和fac。参数hc是hclust()调用的结果，而fac是定义分组的因子类型，因此树状图的叶片数必须与fac的长度相同。colorhcplot使用自定义调色板，用户可以指定颜色。

install.packages("colorhcplot") #安装包library(colorhcplot) #加载包

1. 例一

data(USArrests)  #美国各州的暴力犯罪率数据，是数据框fix(USArrests)

hc <- hclust(dist(USArrests), "ave")#hclust是层次聚类的方法#ave是使用类平均法根据距离聚类fac <- as.factor(c(rep("group 1", 10),                   rep("group 2", 10),                   rep("unknown", 30)))#fac,定义分组

（1）

plot(hc)

（2）

colorhcplot(hc, fac, hang =-1,           #hang值是指表示标签与末端树杈之间的距离          #hang为负值会将绘图底部的所有标签对齐          lab.cex = 0.5,          #lab.cex 叶子标签字体大小          main = "Cluster Dendrogram",          #main，标题文字          lwd=3, las = 1,          #lwd，线条的宽度          #las，y轴标记标签的方向          lab.mar = 0.55)          #lab.mar保留给叶子标签的区域比例

举例hang=1，hang=-1

2. 例二

data(UScitiesD)#UScitiesD为欧洲城市和美国城市之间的距离数据，是dist类型

hcity.D2 <- hclust(UScitiesD, "ward.D2")fac.D2 <-as.factor(c(rep("group1", 3),                     rep("group2", 7)))

（1）

plot(hcity.D2, hang=-1)

（2）

colorhcplot(hcity.D2, fac.D2,            lab.cex = 1.2, lab.mar = 0.75,            color = c("chartreuse2", "orange2"))#color，自定义分组颜色

3. 例三

data(geneData)#geneData是499个基因在13个样本的表达数据exprs <- geneData$exprs#geneData$exprs是geneData中表达数据fac <- geneData$fac#geneData$fac是样本分组（癌症样本、正常样本）hc <- hclust(dist(t(exprs)))colorhcplot(hc, fac, main="Control vs. Tumor Samples")