相关矩阵的corrplot和pheatmap之间的区别？如何使两者保持一致

Question

我注意到 corrplot 制作的相关图与 pheatmap 制作的不同。原始数据： enter link description here

corrplot 中的相关矩阵，

count = read.csv('data_here.csv') 
mtx = cor(count, method = 'kendall')

corrplot(mtx, method="color", tl.cex = .35, 
         order="hclust", hclust.method = 'complete')

想在绘图的轴上添加树状图，但尚未使用 ccorrplot 解决... 所以我尝试了 pheatmap，

mtx %>% pheatmap(
fontsize = 3,
clustering_method = 'complete')

很明显，这两个包的集群不同。例如，基因 RSPO3

Answer 1

受此启发post， https://www.datanovia.com/en/blog/clustering-using-correlation-as-distance-measures-in-r/

这样想出来的！

pheatmap(mtx,
fontsize = 3,
clustering_distance_cols = as.dist(1 - mtx),
clustering_distance_rows = as.dist(1 - mtx)
)

相关矩阵的corrplot和pheatmap之间的区别？如何使两者保持一致

difference between corrplot and pheatmap of correlation matrix? how to make it consistent between the two

correlation

pheatmap

r-corrplot