![C语言中cube[0][2]|=Z,是什么意思？](/aiimages/C%E8%AF%AD%E8%A8%80%E4%B8%ADcube%5B0%5D%5B2%5D%7C%3DZ%2C%E6%98%AF%E4%BB%80%E4%B9%88%E6%84%8F%E6%80%9D%EF%BC%9F.png)
在“设置”-“语言格式设置”里面，找到style里面的Line numbermargin一项，调整字体大小就可以调整左边标号的大小，然后文本内容的行间距就可以任意调整。
许多R 的高级图形自身就含有坐标轴，此外你可以用低级图形函数axis() 设置你自己的坐标轴。坐标轴主要包括三个部分：轴线（axis line）(线条格式由图形参数lty控制)，刻度（tick mark）(划分轴线上的刻度) 和刻度标记（tick label）(标记刻度上的单位)。这些部分可以通过下面的图形参数设置。lab=c(5, 7, 12) 前两个参数分别是x 和y 轴期望的刻度间隔数目。第三个参数刻度标记的字符长度（包括小数点）。这个参数设的太小会导致所有的标记变成一样的数字。las=1 刻度标记的方向。0 表示总是平行于坐标轴，1 表示总是水平，以及2 表示总是垂直于坐标轴。mgp=c(3, 1, 0) 三个坐标成分的位置。第一个参数是轴标签相对轴位置的距离，以文本行作为参照单位的。第二个参数表示刻度标记的距离，最后一个参数是轴位置到轴线的距离(常常是0)。正值表示在图形外，负值表示在图形内。tck=0.01 刻度的长度，以画图区域大小的比率作为度量。当tck 比较小(小于0.5)，x 和y 轴上的刻度强制大小一致。值为1时，给出网格线。负值时刻度在图形外。tck=0.01 和mgp=c(1,-1.5,0)表示内部刻度。xaxs="r"yaxs="i" 分别设定x 和y 轴的形式。"i" (内在的) 和"r" (默认) 形式的刻度都适合数据的范围，但是"r" 形式的刻度会在刻度范围两边留一些空隙(S 还有一些在R 里面没有实现的刻度形式)。相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性分析旨在研究两个或两个以上随机变量之间相互依存关系的方向和密切程度。
一般来讲研究对象（样品或处理组）之间使用距离分析，而元素（物种或环境因子）之间进行相关性分析 。两个变量之间的相关性可以用简单相关系数（例如皮尔森相关系数等）进行表示，相关系数越接近1，两个元素相关性越大，相关系数越接近0，两个元素越独立。
Pearson相关系数是用于表示相关性大小的最常用指标，数值介于-1~1之间，越接近0相关性越低，越接近-1或1相关性越高。正负号表明相关方向，正号为正相关、负号为负相关。适用于两个正态分布的连续变量。
利用两变量的秩次大小来进行分析，属于非参数统计方法。适用于不满足Pearson相关系数正态分布要求的连续变量。也可以用于有序分类变量的之间的相关性测量。
Kendall's Tau相关系数是一种非参数检验，适用于两个有序分类变量。
此外衡量两个变量之间关系的方法还有：卡方检验、Fisher精确检验等。
Pearson、Spearman、Kendall相关系数都可以通过cor函数实现，cov协方差函数参数同cor函数。
ggcorrplot包内只有2个函数，一个cor_pmat()用于计算p值，一个ggcorrplot()用于绘图。ggcorrplot相当于精简版的corrplot包，只有主题更加丰富多样。
This function computes and returns the distance matrix computed by using the specified distance measure to compute the distances between the rows of a data matrix.
这个函数用特定的方法计算矩阵的行之间的距离，并返回距离矩阵。
scale是对矩阵的每一列进行标准化，如果要对行标准化需要先转置。如 heatmapdata <- t(scale(t(heatmapdata)))
