哦，走开，你这个可恶的离群值

1.离群值是啥子

这个帖子里有张图，画得非常清楚：https://www.jianshu.com/p/ec3802b490ed

2.如何找出离群值

大概搜了一下，找到了好多种办法，其中有一个基于箱线图的，一看就爱了

2.1先画个热图看看

一个正常的热图长这样：

rm(list = ls())
library(pheatmap)
set.seed(10086)
n = matrix(rnorm(80),nrow = 5)
pheatmap(n)

一个有离群值的热图长这样：

n2 = n
n2[1,2:3] = n2[1,2:3] +7
pheatmap(n2)

2.2箱线图会画出离群值

直接拿矩阵画图，那就一列是一个箱线，那么图上的离群值就是每一列的离群值；也可以拿全部数据来画，图上的离群值就是全部数据的离群值咯

boxplot(n2)

boxplot(as.numeric(n2))

2.3明确找出离群值是哪几个

箱线图里藏着答案：找整个矩阵的和每一列的离群值，都可以。

boxplot(n2,plot = F)$out

##  [1] -2.744959  7.254794  9.105554 -1.023663  2.171476 -2.003527  1.595089
##  [8] -2.264267  1.432397 -1.627069  1.074236 -1.580355

outlier = boxplot(as.numeric(n2),plot = F)$out;outlier

## [1] -2.744959  7.254794  9.105554  2.491033

3.知道谁是离群值，能让热图活起来

在这一篇里，我们已经知道可以用breaks参数来设置热图颜色分配范围。

可以计算除了离群值之外的最大最小值，将这两个值作为颜色分配范围；这样，离群值只会被标记成最深的颜色，不会影响其他数据的颜色分配了。

r = range(n[! n  %in% outlier]);r

## [1] -2.264267  2.171476

pheatmap(n,breaks = seq(r[1],r[2],length.out = 100))

也可以给range的值取个整，作为颜色分配范围;再调一调，也没问题。

r2 = c(floor(r[1]),ceiling(r[2]))
pheatmap(n,breaks = seq(r2[1],r2[2],length.out = 100))