默认情况下，R 热图如何对行进行排序？

Question

R heatmap() 文档说 forRowv和Colv（即行和列排序参数）：

如果默认情况下缺少其中一个，则相应树状图的排序将按行/列的平均值进行，即，在行的情况下，Rowv <- rowMeans(x, na.rm = na.rm) 。

我认为这很简单，但现在我想默认排序算法中一定还有更多的东西。

让我们得到这个相关矩阵：

m = matrix(nrow=7, ncol = 7, c(1,0.578090870728824,0.504272263365781,0.526539138953634,0.523049273011785,0.503296777916728,0.638770769734758,0.578090870728824,1,0.59985543029105,0.663649941610205,0.630998114483389,0.66814547270115,0.596161809036262,0.504272263365781,0.59985543029105,1,0.62468477053142,0.632715952452297,0.599037620726669,0.607925540860012,0.526539138953634,0.663649941610205,0.62468477053142,1,0.7100707346884,0.738094117424525,0.639668277558577,0.523049273011785,0.630998114483389,0.632715952452297,0.7100707346884,1,0.651331659193182,0.64138213322125,0.503296777916728,0.66814547270115,0.599037620726669,0.738094117424525,0.651331659193182,1,0.612326706593738,0.638770769734758,0.596161809036262,0.607925540860012,0.639668277558577,0.64138213322125,0.612326706593738,1))

m
          [,1]      [,2]      [,3]      [,4]      [,5]      [,6]      [,7]
[1,] 1.0000000 0.5780909 0.5042723 0.5265391 0.5230493 0.5032968 0.6387708
[2,] 0.5780909 1.0000000 0.5998554 0.6636499 0.6309981 0.6681455 0.5961618
[3,] 0.5042723 0.5998554 1.0000000 0.6246848 0.6327160 0.5990376 0.6079255
[4,] 0.5265391 0.6636499 0.6246848 1.0000000 0.7100707 0.7380941 0.6396683
[5,] 0.5230493 0.6309981 0.6327160 0.7100707 1.0000000 0.6513317 0.6413821
[6,] 0.5032968 0.6681455 0.5990376 0.7380941 0.6513317 1.0000000 0.6123267
[7,] 0.6387708 0.5961618 0.6079255 0.6396683 0.6413821 0.6123267 1.0000000

输出heatmap(m)是：

行（和列）顺序为：1、3、7、5、2、6、4

然而，我预计的顺序是：

order(rowMeans(m))
1 3 7 2 6 5 4

怎么样？

我想这可能与树状图的聚类方式有关。但仍然不确定：如果我首先将第 4 行和第 6 行分组，然后可能使用 6x6 矩阵，其中一行/列是原始第 4 行和第 6 行的平均值（？），它仍然不应该改变例如行的相互顺序2和5应该吗？

非常感谢您的任何提示！

Answer 1

从heatmap帮助中您可以阅读：

通常，根据树状图施加的限制内的某些值集（行或列平均值）对行和列进行重新排序。

事实上，使用 Rowmeans/Colmeans 的重新排序适用于集群。这是在内部分两步完成的。我将在每个步骤中绘制树状图，以显示簇是如何重新排序的。

hcr <- hclust(dist(m))
ddr <- as.dendrogram(hcr)
plot(ddr)

现在，如果您按 rowmenas 重新排序树状图，我们会得到相同的 OP 顺序。

Rowv <- rowMeans(m, na.rm = T)
ddr <- reorder(ddr, Rowv)
plot(ddr)

当然，如果您提供新的聚类函数或顺序函数，则可以更改此顺序。这里我使用默认的 :hclust和reorder。