##数据类型：（行）为基因名，（列）为每个样本的表达量。
#####################################
代码如下：
############
library(pheatmap) #加载pheatmap包
data=read.table("test.txt",header=T,row.names = 1,sep="\t") #读入数据
matrix=cor(data) #计算相关系数
write.table(matrix,"coefficient_matrix.txt",sep="\t") #将相关系数计算结果输出
pheatmap(matrix,cluster_rows=F,cluster_cols = F,display_numbers = T,fontsize = 5) #行和列都不聚类，并且在热图中显示数值；

#以上是对各样本之间进行相关性分析，如果要计算每个基因之间的相关系数，则需要对矩阵做个转置，即行列对调，使用t()命令即可；

library(pheatmap) #加载pheatmap包
data=read.table("test.txt",header=T,row.names = 1,sep="\t") #读入数据
data=t(data) #对数据做转置
matrix=cor(data) #计算相关系数
write.table(matrix,"coefficient_matrix.txt",sep="\t") #将相关系数计算结果输出
pheatmap(matrix,cluster_rows=F,cluster_cols = F,display_numbers = T,fontsize_row=4,fontsize_col = 4,fontsize_number = 1,number_format = "%.2f") #由于格子比较多，所以用fontsize_number定义了格子中数字的字体大小，number_format可以控制有效小数的位数，这里保留两位小数；

#####################################
简单的相关系数分类(相关系数的绝对值)
##############
0.8-1.0 极强相关；
0.6-0.8 强相关；
0.4-0.6 中等强度相关；
0.2-0.4 弱相关；
0.0-0.2 极弱相关或无相关。