专栏首页生信小驿站R语言之可视化(34)Grouped, stacked and percent stacked barplot

R语言之可视化(34)Grouped, stacked and percent stacked barplot

 # library
library(ggplot2)

# create a dataset
specie <- c(rep("sorgho" , 3) , rep("poacee" , 3) , rep("banana" , 3) , rep("triticum" , 3) )
condition <- rep(c("normal" , "stress" , "Nitrogen") , 4)
value <- abs(rnorm(12 , 0 , 15))
data <- data.frame(specie,condition,value)

# Grouped
ggplot(data, aes(fill=condition, y=value, x=specie)) + 
    geom_bar(position="dodge", stat="identity")
 # library
library(ggplot2)

# create a dataset
specie <- c(rep("sorgho" , 3) , rep("poacee" , 3) , rep("banana" , 3) , rep("triticum" , 3) )
condition <- rep(c("normal" , "stress" , "Nitrogen") , 4)
value <- abs(rnorm(12 , 0 , 15))
data <- data.frame(specie,condition,value)

# Stacked
ggplot(data, aes(fill=condition, y=value, x=specie)) + 
    geom_bar(position="stack", stat="identity")
 # library
library(ggplot2)

# create a dataset
specie <- c(rep("sorgho" , 3) , rep("poacee" , 3) , rep("banana" , 3) , rep("triticum" , 3) )
condition <- rep(c("normal" , "stress" , "Nitrogen") , 4)
value <- abs(rnorm(12 , 0 , 15))
data <- data.frame(specie,condition,value)

# Stacked + percent
ggplot(data, aes(fill=condition, y=value, x=specie)) + 
    geom_bar(position="fill", stat="identity")
 # library  library(ggplot2)  
library(viridis) 
 library(hrbrthemes)  
# create a dataset  
specie <-  c(rep("sorgho" , 3) , rep("poacee" , 3) , rep("banana" , 3) , rep("triticum" , 3) ) 
 condition <-  rep(c("normal" , "stress" , "Nitrogen") , 4) 
 value <-  abs(rnorm(12 , 0 , 15)) 
 data <-  data.frame(specie,condition,value)  
# Small multiple
  ggplot(data, aes(fill=condition, y=value, x=specie)) + geom_bar(position="stack", stat="identity") +  scale_fill_viridis(discrete = T) +  ggtitle("Studying 4 species..") +  theme_ipsum() +  xlab("")
# library
library(ggplot2)
library(viridis)
library(hrbrthemes)

# create a dataset
specie <- c(rep("sorgho" , 3) , rep("poacee" , 3) , rep("banana" , 3) , rep("triticum" , 3) )
condition <- rep(c("normal" , "stress" , "Nitrogen") , 4)
value <- abs(rnorm(12 , 0 , 15))
data <- data.frame(specie,condition,value)

# Graph
ggplot(data, aes(fill=condition, y=value, x=condition)) + 
    geom_bar(position="dodge", stat="identity") +
    scale_fill_viridis(discrete = T, option = "E") +
    ggtitle("Studying 4 species..") +
    facet_wrap(~specie) +
    theme_ipsum() +
    theme(legend.position="none") +
    xlab("")

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • 今天,你学绘图了吗?

    我们都知道条形图通过直的或水平的条形开展型量的分布( 数)。函数barplot()的最简单的用法是: barplot(height),其中的height是一个向...

    黑妹的小屋
  • 【学习】《R实战》读书笔记(第六章)

    读书会是一种在于拓展视野、宏观思维、知识交流、提升生活的活动。PPV课R语言读书会以“学习、分享、进步”为宗旨,通过成员协作完成R语言专业书籍的精读和分享,达到...

    小莹莹
  • 「R」R 的基本图形绘制

    接下来示例中,我们绘制一项探索类风湿性关节炎新疗法研究的结果。数据已经包含在随vcd包分发的Arthritis数据框中。(请确保在使用前已经安装vcd包,使用命...

    王诗翔呀
  • ggplot2画分组的堆积柱形图简单小例子

    今天还找到了一份参考资料r - How to plot a Stacked and grouped bar chart in ggplot? - Stack O...

    用户7010445
  • Python数据处理从零开始----第四章(可视化)①②堆积柱状图目录使用Matplotlib和Pandas轻松堆积图表

    ===============================================

    用户1359560
  • 图表的一些资源

    Flot - Flot 为 jQuery 提供的javascript代码库. 容易使用,有特色的图表,提供交互功能(能够放大缩小数据区域等)。 ? Open...

    用户1075292
  • Python进行数据可视化的9种常见方法,易懂实用!

    其实利用 Python 可视化数据并不是很麻烦,因为 Python 中有两个专用于可视化的库 matplotlib 和 seaborn 能让我们很容易的完成任务...

    一墨编程学习
  • 用R语言进行数据可视化的综合指南(一)

    大数据文摘
  • 轻松学Pytorch – 人脸五点landmark提取网络训练与使用

    大家好,本文是轻松学Pytorch系列文章第十篇,本文将介绍如何使用卷积神经网络实现参数回归预测,这个跟之前的分类预测最后softmax层稍有不同,本文将通过卷...

    OpenCV学堂

扫码关注云+社区

领取腾讯云代金券