我不知道具体的功能。我使用的通常采用原始数据或距离矩阵。然而，破解已经存在的代码并不是很困难，不了解基本的 R。例如查看mixOmicscim()包中函数的源代码（我选择这个是因为源代码很容易阅读；你将在Bioconductor项目中找到其他功能）。代码中有趣的部分是 l。92-113，他们将 HC 的结果分配给和 l 附近。193-246 他们设计了绘图区域（当他们调用时，您应该输入距离矩阵的值代替 mat ）。高温高压ddcimage()

编辑

最近对相关主题的 Google 搜索将我引向dendrogramGrob()了latticeExtra包。假设您已经有了排序的树状图对象，您可以从在线帮助中跳过示例代码的第一行并获得类似这样的内容（这里，使用mtcars数据集）：

假设你也有原始数据，你可以使用函数 heatmap()。如果您想避免计算距离并再次对对象进行聚类，它可以将一两个树状图作为输入。

我们先模拟一些数据：

set.seed(1)
dat<-matrix(ncol=4, nrow=10, data=rnorm(40))

然后对行和列进行聚类：

rd<-dist(dat)
rc<-hclust(rd)
cd<-dist(t(dat))
cc<-hclust(cd)

在这之后我们有

1) 原始数据 (dat) 2) 原始数据矩阵行的距离矩阵 (rd) 和树状图 (rc) 3) 原始数据列的距离矩阵 (cd) 和树状图 (cc)

进一步的步骤实际上不需要距离矩阵，而是执行聚类的原始数据和生成的树状图。

使用原始数据，这些树状图可以用作函数 heatmap() 的输入。如果需要行和列树形图，请使用：

heatmap(dat, Rowv=as.dendrogram(rc), Colv=as.dendrogram(cc))

如果只需要行或列树状图，则使用 NA 作为 heatmap() 中 Rowv 或 Colv 参数的输入：

# Dendrogram for rows only
heatmap(dat, Rowv=as.dendrogram(rc), Colv=NA)
# Dendrogram for columns only
heatmap(dat, Rowv=NA, Colv=as.dendrogram(cc))

您可以尝试查看 maptree 或 ape 包。你想做什么？