R语言中如何为维度不等的两个DataFrame生成有效相关热图？

问题根源 #

你的代码得到全NA相关矩阵的核心原因有两个：

• 转置后的数据仅包含1行观测值：每个Gene和Control只有1个Count数值，计算相关性时变量方差为0，cor()函数无法生成有效相关系数，直接返回NA。
• 两个数据框的列数不匹配：df_1.2有30列（对应30个Gene），df_2.1有24列（对应24个Control），且行数均为1，不满足cor()对**相同行数（观测数）**的要求。

正确处理流程（基于合理数据结构假设） #

假设你的原始Excel数据应为：每个Gene/Control对应多个样本的Count值（即Dataframe1第一列是Gene名，后续列是不同样本的Count；Dataframe2第一列是Control名，后续列是相同样本的Count），正确步骤如下：

1. 读取并整理数据 #

library(readxl)
library(tibble)

# 读取Gene数据，将Gene名设为行名
df_1 <- read_excel("Demo_data.xlsx", sheet = "Dataframe1")
df_1 <- column_to_rownames(df_1, "Label")

# 读取Control数据，将Control名设为行名
df_2 <- read_excel("Demo_data.xlsx", sheet = "Dataframe2")
df_2 <- column_to_rownames(df_2, "Label")

# 转置数据：行=样本，列=Gene/Control（此时两个数据框行数相同，对应同一批样本）
df_1_t <- t(df_1)
df_2_t <- t(df_2)

2. 计算相关性矩阵 #

此时df_1_t和df_2_t的行数一致（样本数相同），可以直接计算所有Gene与Control的相关性：

correlation_matrix <- cor(df_1_t, df_2_t)
# 查看结果
print(correlation_matrix)

3. 绘制热图 #

使用pheatmap包绘制相关性热图：

library(pheatmap)
pheatmap(correlation_matrix, 
         main = "Gene vs Control Correlation Heatmap",
         xlab = "Controls",
         ylab = "Genes")

针对当前单样本数据的说明 #

如果你的数据确实是每个Gene/Control只有1个Count值（单样本），那么无法计算有统计学意义的相关性——相关性需要至少2个观测值来衡量变量间的变化趋势。这种情况下，你需要检查原始数据是否有误，或者确认你的分析需求是否正确。

内容的提问来源于stack exchange，提问作者Abhi