R绘图笔记 | 散点分布图与柱形分布图
参考前文：R绘图笔记 | R语言绘图系统与常见绘图函数及参数
关于绘图图，前面介绍了一些：
这里介绍散点分布图与柱形分布图，这些图形在文章中是很常见的，也是必须要掌握的。
一.读入数据
如果你想获取该数据用于自己练习，下面是获取数据的地址：
https://docs.qq.com/sheet/DV0dxREV1YkJ0ZmVj
数据格式是这样的。
数据第A列是病人ID，B~E列是临床信息，其他列是病人的RNAseq数据。
你可以保存副本导出，然后自己读入。
library(ggplot2)
library(RColorBrewer)
library(SuppDists) #提供rJohnson()函数
library(ggbeeswarm)data <- read.csv("BioInfoNotesData1.csv",row.names = 1)假如我们需要绘制某基因在不同分期的表达情况。
f1.data <- data[,c(1,5)]
colnames(f1.data) <- c("Stage","Value")
summary(f1.data$Stage)summary(f1.data$Stage)
N Stage I Stage II Stage III Stage IV
11 75 176 128 64先检查数据是否有缺失值，分期信息不知用N来表示，可以删除这些数据。
f1.data<-f1.data[f1.data$Stage!="N",]
head(f1.data)BioinfoNotes>head(f1.data)
Stage Value
TCGA-3L-AA1B-01 Stage I 7.04
TCGA-4N-A93T-01 Stage III 7.23
TCGA-4T-AA8H-01 Stage II 6.61
TCGA-5M-AAT4-01 Stage IV 7.56
TCGA-5M-AAT6-01 Stage IV 4.99
TCGA-5M-AATE-01 Stage II 7.41二.绘图
1.散点抖动图
ggplot(f1.data, aes(Stage, Value))+
geom_jitter(aes(fill = Stage),position = position_jitter(0.3),shape=21, size = 2)+
scale_fill_manual(values=c(brewer.pal(7,"Set2")[c(1,2,4,5)]))+
theme_classic()+
theme(panel.background=element_rect(fill="white",colour="black",size=0.25),
axis.line=element_line(colour="black",size=0.25),
axis.title=element_text(size=13,face="plain",color="black"),
axis.text = element_text(size=12,face="plain",color="black"),
legend.position="none"
)
2.蜂群图
#蜂群图
ggplot(f1.data, aes(Stage, Value))+
geom_beeswarm(aes(fill = Stage),shape=21,colour="black",size=2,cex=2)+
scale_fill_manual(values= c(brewer.pal(7,"Set2")[c(1,2,4,5)]))+
xlab("Stage")+
ylab("Value")+
theme_classic()+
theme(panel.background=element_rect(fill="white",colour="black",size=0.25),
axis.line=element_line(colour="black",size=0.25),
axis.title=element_text(size=13,face="plain",color="black"),
axis.text = element_text(size=12,face="plain",color="black"),
legend.position="none"
)
3.点阵图
ggplot(f1.data, aes(Stage, Value))+
geom_dotplot(aes(fill = Stage),binaxis='y', stackdir='center', dotsize = 0.6)+
scale_fill_manual(values=c(brewer.pal(7,"Set2")[c(1,2,4,5)]))+
theme_classic()+
theme(panel.background=element_rect(fill="white",colour="black",size=0.25),
axis.line=element_line(colour="black",size=0.25),
axis.title=element_text(size=13,face="plain",color="black"),
axis.text = element_text(size=12,face="plain",color="black"),
legend.position="none"
)
4.带误差线的散点分布图
ggplot(f1.data, aes(Stage, Value))+
geom_jitter(aes(fill = Stage),position = position_jitter(0.3),shape=21, size = 2,color="black")+
scale_fill_manual(values=c(brewer.pal(7,"Set2")[c(1,2,4,5)]))+
stat_summary(fun.data="mean_sdl", fun.args = list(mult=1),
geom="pointrange", color = "black",size = 1.2)+
stat_summary(fun.y="mean", fun.args = list(mult=1),
geom="point", color = "white",size = 4)+
theme_classic()+
theme(panel.background=element_rect(fill="white",colour="black",size=0.25),
axis.line=element_line(colour="black",size=0.25),
axis.title=element_text(size=13,face="plain",color="black"),
axis.text = element_text(size=12,face="plain",color="black"),
legend.position="none"
)
5.带误差线的柱形分布图
ggplot(f1.data, aes(Stage, Value))+
stat_summary(mapping=aes(fill = Stage),fun.y=mean, fun.args = list(mult=1),geom='bar',colour="black",width=.7) +
stat_summary(fun.data = mean_sdl, fun.args = list(mult=1),geom='errorbar', color='black',width=.2) +
scale_fill_manual(values=c(brewer.pal(7,"Set2")[c(1,2,4,5)]))+
ylim(0,7.5)+
theme_classic()+
theme(panel.background=element_rect(fill="white",colour="black",size=0.25),
axis.line=element_line(colour="black",size=0.25),
axis.title=element_text(size=13,face="plain",color="black"),
axis.text = element_text(size=12,face="plain",color="black"),
legend.position="none"
)
6.带误差线柱形与抖动图
ggplot(f1.data, aes(Stage, Value))+
stat_summary(fun.y=mean, fun.args = list(mult=1),geom='bar',colour="black",fill="white",width=.7) +
stat_summary(fun.data = mean_sdl,fun.args = list(mult=1), geom='errorbar', color='black',width=.2) +
geom_jitter(aes(fill = Stage),position = position_jitter(0.2),shape=21, size = 2,alpha=0.9)+
scale_fill_manual(values=c(brewer.pal(7,"Set2")[c(1,2,4,5)]))+
theme_classic()+
theme(panel.background=element_rect(fill="white",colour="black",size=0.25),
axis.line=element_line(colour="black",size=0.25),
axis.title=element_text(size=13,face="plain",color="black"),
axis.text = element_text(size=12,face="plain",color="black"),
legend.position="none"
)
参考资料：
1.R语言数据可视化之美，张杰/著
本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2020-11-08，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 MedBioInfoCloud 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读