2.R语言可以下载源代码进行使用，甚至已经编译的可执行文件也能直接下载使用。
3.R语言不只局限于一个平台，可以在常见的Windows系统、MACOS中运行使用，也可以在freeBSD和Linux中运行。
4.R语言可以利用用户编写的包增强，添加R语言中的统计、绘图和IN/OUT功能，可以在经济计量、人文统计中使用。
5.R语言的优势如下：R语言是编程小白的入门语言，语法结构较为简单，而且容易学习，特别是工作中要使用绘图、统计时，学习R语言会非常有优势。
6.R语言是开源软件，是免费的，学习时能大大减少成本。
7.在R语言的内部，有完善的帮助系统，学习中可以根据实例进行查漏补缺。
8.R语言是命令行操作方式，在使用中会更加的灵活，适合初学者入门学习，在数据分析和内容编程中有更好的体验。
9.R语言的安装包仅为40M，相比其他的语言可以说非常的小了。
10.R语言在世界范围的使用率非常广，在职业的规划中R语言很有帮助。
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)))
seq(2,20,2)这个是创建一个向量，从2到20步长是2。seq是sequence的简写，就是序列的意思。
结果是2，4，6，...，18，20
如果是seq(2,20,1)或者seq(2,20)
那么结果是2，3，4，...，18，19，20
有更简单的方法:2*(1:10)
其中括号可以省略，因为冒号的运算优先级更高。
rep(2,10)是2重复10次的，就是2，2，2，...，2
(10个2)
rep是replicate的简写，是重复的意思。
那么整句话:rep(seq(2,20,2),
rep(2,10))
就是
2，4，6，...，18，20这个序列，第一个元素重复2次，第二个元素重复2次，。。。，第10个元素重复2次。
