ggplot2--R语言宏基因组学统计分析(第四章)笔记

4.3 ggplot2简介

4.3.1 ggplot2和图形语法

ggplot2可以用来创建优雅的图形，由于它的灵活，简洁和一致的接口，可以提供美丽、可直接用来发表的图形，吸引了许多用户，特别是科研领域的用户。ggplot2使用grid包来提供一系列的高水平的函数，并将其延伸为图形语法，即独立指定绘图组件，并将它们组合起来，以构建我们想要的任何图形显示。图形语法包含6个主要成分：data, transformations, element, scales, guide和 coordinate system。图层图形语法源于多层数据构建图形的想法。它定义了下表中的图形组分：data, aesthetic mappings, statistical transformations, geometric objects, position adjustment, scales, coordinate system 和 faceting（数据、几何映射、统计变换、几何对象、位置调整、比例、坐标和面）。数据、几何映射、统计变换、几何对象、位置调整形成一个图层，一个图可以有多个图层。

• data 用于构造一个具体的图形，由变量组成，这些变量作为列存储在数据框中。数据独立于其他组件，可以应用多个数据集
• 映射：映射的目的是将数据属性（通常是数字或分类值）转换为几何或视觉属性；它用于指定几何属性的变量（例如，x位置、y位置、颜色、形状、大小等）
• Stat：转换数据，通常通过某种方式（例如，平滑线、回归线、装箱或聚合、箱线图、散点图等）对数据进行汇总。stat可以向数据集添加新变量。将几何映射到这些新变量是可能的
• 几何体：是指绘制来表示数据的几何对象；每个geom控制我们创建的打印类型。每个geom只能显示特定的几何图形（例如，条形图、线和点等），每个geom都有默认统计，并且每个统计都有默认的geom
• 位置调整：用于调整图形上几何元素的位置以避免相互遮挡，例如在条形图中，堆叠或回避（并排放置）条形以避免重叠。在散点图中，随机抖动点以减少过度绘制
• 尺度：每个几何属性都有一个函数，称为尺度；比例控制从数据到几何属性的映射，以确保数据值对该几何属性有效。此外，在统计变换之前执行缩放。
• 坐标：将对象的位置映射到绘图平面上。位置通常由两个坐标（x，y）指定，但可以是任意数量的坐标。此外，坐标变换发生在统计变换之后
• 面处理：在更一般的情节中称为条件图或网格图。面处理描述了应该使用哪些变量来分割数据，以及如何排列它们。刻面是一个强大的工具，可以研究不同的模式是否相同或不同于条件

图形语法的成分可以映射到分层语法的成分：分层语法的一层相当于图形语法的元素；分层语法的尺度相当于图形语法的尺度和指导；分层语法的坐标系和刻面等价于图形语法坐标系。然而，图形语法的翻译在ggplot2中没有对应关系（它的作用是由内置的R功能发挥的）。

4.3.2 使用gglot()创建绘图时的简单概念

Ggplot2的算法很简单：您提供数据，告诉ggplot2如何将变量映射到几何，使用什么图形，它负责细节。在ggplot2中，层负责创建我们在绘图上感知到的对象。层由四个部分组成：数据和几何映射、统计变换(STAT)、几何对象(GEOM)和位置调整(Wickham 2010)。一个图可能有多个图层。这些图层与坐标系和变换相结合，以生成最终的绘图。以下是一个情节生成过程：将变量映射到几何->分面数据->变换刻度->计算AESthetics->train scales->比例尺->渲染。

4.3.2.1 不用默认从头开始的全步骤

library(ggplot2) 
ggplot() +
  layer(
    data = iris, mapping = aes(x = Sepal.Width, y = Sepal.Length), 
    geom = "point", stat = "identity", position = "identity"
  )+ scale_y_continuous() +
  scale_x_continuous()  + coord_cartesian()

我们可以看到，单个图层指定了数据、地图、几何、统计和位置、两个连续的位置比例和一个笛卡尔坐标系。

4.3.2.2 用默认智能作图

完整的规格非常复杂，尤其是层是最复杂的。有两种方法可以简化语法语法：一种是智能地使用语法的默认值，我们将在这里介绍；另一种是使用qlot()函数，我们将在下一小节中介绍该函数。您可以智能地使用以下三种默认设置来简化代码：

• (1)每个geom都有一个默认的统计信息(反之亦然)，所以我们只需要指定geom或stat中的一个，而不是两个都指定。
• (2)不需要指定笛卡尔坐标系，因为它是默认坐标系
• (3)根据几何和变量类型增加默认比例。例如，对于位置，用线性比例变换连续值，并将分类值映射到整数；对于颜色，将连续变量映射到HCL颜色空间中的平滑路径，将离散变量映射到具有相等亮度和色度的均匀间隔的色调，例如，对于位置，连续值被映射到整数；对于颜色，连续变量被映射到HCL颜色空间中的平滑路径，离散变量被映射到具有相等亮度和色度的均匀分布的色调。因此，我们可以将上述代码减化如下：

ggplot() +  layer(
  data = iris, mapping = aes(x = Sepal.Width, y = Sepal.Length),
  geom = "point" 
  )
# 我这报错了，可能不同版本的区别？
Error: Attempted to create layer with no stat.
Run `rlang::last_error()` to see where the error occurred.

通常，我们可以省略data=和mapping=，而不是在gglot()调用中指定默认数据集和映射，还可以在AES(x变量，y变量)中使用基于位置的匹配。我们也可以省略这一层。因此，规格可以减少如下：

# 这就是我们常看到的代码的来历呀
ggplot(iris, aes(Sepal.Width, Sepal.Length)) +  geom_point()

当省略层时，geom=“geometry”的规范将被替换为相应的几何函数，例如，在本例中，geom=“point”将被替换为geom_point()。类似地，stat=“statistics”的规范将被替换为相应的统计函数，例如，STAT=“Smooth”将被替换为stat_smooth()。图层中指定的任何效果都将覆盖默认设置。同样，如果在图层中指定了数据集，它将替代打印默认值。以下代码使用scale_x_log10()和scale_y_log10()函数进行对数转换，覆盖了默认的线性变换，这些线性变换是通过scale_y_continous()和scale_x_Continuity()指定的。

ggplot(iris, aes(Sepal.Width, Sepal.Length)) + geom_point() +
stat_smooth(method = lm) +
scale_x_log10() +
 scale_y_log10()

如果不使用默认，代码将会如此冗长：

# 发现这个代码也报错，可能被废弃了，或者我版本低？
ggplot() +  layer(
  data = iris, mapping = aes(x = Sepal.Width, y = Sepal.Length),
  geom = "point", stat = "identity", position = "identity" )+
  layer(
    data = iris, mapping = aes(x = Sepal.Width, y = Sepal.Length), geom = "smooth", position = "identity",
    stat = "smooth", method = lm)+
  scale_y_log10() +
  scale_x_log10() +
  coord_cartesian()

(Wickham 2010)论文中解释了默认优先级的概念。本书第5章中解释了如何逐层构建图。

4.3.2.3 通过使用qlot()减少键入语法代码的数量

在ggplot2中，有两个主要的高级函数用于创建绘图：qlot()和gglot()。使用qlot()，以一次创建所有图的方式创建一个图；使用gglot()，按块和层函数创建一个图。Ggplot2补充qlot()的原因是为了减少所需的打字量。因为即使我们使用了许多缺省值，ggplot2的显式语法语法也相当冗长，这使得快速尝试不同的绘图变得困难。它还模仿plot()函数的语法，使ggplot2对于熟悉Base R图形的用户更容易使用。例如，如果对上面的绘图使用qlot()，则代码为：

qplot(Sepal.Width, Sepal.Length, data = iris,  geom = c("point", "smooth"),
       method = "lm", log = "xy")
# 报了个警告
`geom_smooth()` using formula 'y ~ x'
Warning message:
Ignoring unknown parameters: method 

尽管qlot()对于熟悉BASE R图形的用户来说是快速而方便的，但它的局限性是显而易见的：因为qlot()函数假设多个层将使用相同的数据和几何映射，所以方法参数没有显式的层可供应用，并且特定的数据转换、绘图布局定义和控制也受到限制。因此，在这种情况下，需要更高级的gglot()函数。

4.3.3 使用ggplot()绘图

4.3.3.1 创建一个层叠的图

ggplot2语法的第一个明显特性是分层，这意味着一个图至少由一个层创建，并通过使用gglot()函数向现有图添加更多玩家来增强。层结合了数据、美观映射、几何对象(Geom)、统计(统计变换)和位置调整。层由geom(几何对象)组成，因此ggplot2中的层也称为geom。因此，在ggplot2中，绘图实际上是由geom(例如geom_point())创建的，并由更多geom(例如geom_mooth()等)增强。一个几何图形表示一层地块。ggplot2的第二个显著特性是它使用数据帧，而不是单独的向量。因此，在使用该包创建绘图之前，如果数据是矢量，则需要将数据转换为数据帧。提供给gglot()本身或提供给各个geom以创建绘图的所有数据都包含在数据帧中。

• 第一步：为了初始化一个基本的gglot，我们从gglot()开始，创建一个包含数据和几何映射的Plot对象，我们将图形对象命名为p。

# 这个花的数据我们应该想当熟悉了，这是我们最广泛使用的数据示例，来自R自带
head(iris)
#  Sepal.Length Sepal.Width Petal.Length Petal.Width Species
1          5.1         3.5          1.4         0.2  setosa
2          4.9         3.0          1.4         0.2  setosa
3          4.7         3.2          1.3         0.2  setosa
4          4.6         3.1          1.5         0.2  setosa
5          5.0         3.6          1.4         0.2  setosa
6          5.4         3.9          1.7         0.4  setosa
p <- ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length))
p

空图

应该在aes()函数中指定数据帧中需要绘图的任何信息。在本例中，我们通过aes()函数实现美学映射：分别指定x和y变量。但是，只绘制了一个空白的GGPlot。因为到目前为止，我们只告诉gglot()应该使用什么数据集，以及应该为x、y轴和颜色使用哪些列。但是我们还没有明确要求它画任何点或者一条线。要实际绘制散点图或折线图，我们必须使用geom图层显式地请求gglot()。对象p是类ggPlot的R S3对象，由数据和其他包含关于该图的信息的组件组成。我们可以使用Summary()函数访问信息的详细信息，以跟踪确切使用了哪些数据以及变量是如何映射的。

summary(p)
# 150行，5列，就是上面的那个样式的数据
# data: Sepal.Length, Sepal.Width, Petal.Length, Petal.Width,
  Species [150x5]
mapping:  x = ~Sepal.Width, y = ~Sepal.Length
faceting: <ggproto object: Class FacetNull, Facet, gg>
    compute_layout: function

• 第二步，使用几何图层geom_point()添加点，画一个散点图p 使用数据、几何映射和几何图形实现了ggplot2中的基本绘图。我们已经有了数据、美观地图的组件，需要添加的组件是散点图图层。可以使用**+运算符**添加图层，后跟定义带点散点图的函数：geom_point()

p1 <- p + geom_point()
p1
summary(p1)
# 前面一样，省略 
-----------------------------------
geom_point: na.rm = FALSE
stat_identity: na.rm = FALSE
position_identity 

第二步，加点

• 第三步，为了绘制具有平滑曲线的散点图，我们在上一个plot对象中添加了一个名为geom_smooth()的附加几何层。对于这个图，我们将该方法设置为lm（线性模型的缩写）来绘制最佳拟合线

# Add smoothing geom (layer2)
p2 <- p1 + geom_smooth(method="lm")
p2
summary(p2)
# data: Sepal.Length, Sepal.Width, Petal.Length, Petal.Width,
  Species [150x5]
mapping:  x = ~Sepal.Width, y = ~Sepal.Length
faceting: <ggproto object: Class FacetNull, Facet, gg>
-----------------------------------
geom_point: na.rm = FALSE
stat_identity: na.rm = FALSE
position_identity 

geom_smooth: na.rm = FALSE, orientation = NA, se = TRUE, flipped_aes = FALSE
stat_smooth: na.rm = FALSE, orientation = NA, se = TRUE, method = lm
position_identity

输出显示，在plot对象中添加了一个附加层，该层使用线性模型进行拟合。曲线也有置信带，我们可以设置se=FALSE来关闭置信带。

# 设置se=FALSE以关闭置信区间
p1+geom_smooth(method=“lm”，se=FALSE)
# `geom_smooth()` using formula 'y ~ x'

4.3.3.2 使用比例来改变几何图层的美学效果

从数据到美学属性的映射由比例函数控制，例如在4.3.2.1，轴中x-y位置的scale_y_continuous（）和scale_x_continuous（）。尺度函数既可用于连续变量，也可用于分类变量。例如，在连续情况下，用刻度填充直方图或密度图；在离散情况下，比例用于填充直方图或条形图，或者在映射颜色、大小或形状时用于散点图。我们需要知道，映射到变量的美学属性取决于所使用的geom()函数。因此，通过具体说明各几何层的参数，可以改变审美属性。在这种情况下，我们改变了最适合的点的颜色、大小和线条的颜色。更改颜色的另一个重要应用是将不同颜色映射到源数据集中的类别变量的不同级别。例如，在微生物群落研究中，我们经常使用不同的颜色来呈现不同的实验组或条件。由于类别变量位于源数据集中，因此必须在aes()函数中指定它。

p3 <- ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length)) + 
  #Add scatterplot geom (layer1)
   geom_point(col="blue", size=3) +
   #Add smoothing geom (layer2)
   geom_smooth(method="lm",col="red",size=2) 
p3

p4 <- ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length)) +
   #Add scatterplot geom (layer1)
   geom_point(aes(col=Species), size=3) +
   #Add smoothing geom (layer2)
  geom_smooth(method="lm",col="red",size=2) 
p4

我们可以看到，由于使用aes(col=Species)，散点图中的点根据其所属物种呈现不同的颜色。实际上，在ggplot2中，除了颜色之外，我们还可以使用大小、形状、笔划（边界的厚度）和填充（填充颜色）来区分适当绘图中的分组。

4.3.3.3 使用坐标系统来调节和限制X轴和Y轴

坐标系的用途是在计算机屏幕上调整从坐标到二维平面的映射。在ggplot2中可用的不同坐标系中，笛卡尔坐标系和极坐标系是最常用的坐标系。每个坐标系都有相关的功能。例如，对于笛卡尔坐标系，坐标函数包括：coord_cartesian(xlim，ylim）、coord_flip()和coord_fixed(ratio，xlim，ylim）；对于极坐标，通常使用函数coord_polar(θ,起始，方向）。我们可以使用这些函数及其相应的参数来调整要在绘图中显示的属性。这里我们说明如何使用coord_cartesian()的参数xlim和ylim分别调整X轴和Y轴的极限。在下面的代码中，我们创建一个新的plot对象p5，并使用coord_cartesian()更改X和Y轴的限制以放大到感兴趣的区域。

p5 <- p4 + coord_cartesian(xlim=c(2.2,4.2), ylim=c(4, 7)) # zooms in 
plot(p5)

4.3.3.4 添加标签图层以更改标题和轴标签

默认情况下，由ggplot2创建的绘图没有任何标题，并且带有与绘图中使用的变量名相对应的轴标签。但是，在某些情况下，例如出版物，我们可能希望将标题添加到绘图中，也可能希望更改X轴和Y轴标签。这可以通过使用labs()函数来完成，我们可以使用title、x和y参数指定轴和标题，或者使用特定函数ggtitle()来更改标题，使用xlab()和ylab()来更改轴标签。

# 以下两图同样的效果
p6 <- p5 + labs(title="Sepal width vs sepal length", subtitle="Using iris dataset", y="Length of Sepal", x="Width of Sepal")
p6
p7 <-p5 + ggtitle("Sepal width vs sepal length", subtitle="Using iris dataset") + ylab("Length of Sepal") + xlab("Width of Sepal")
p7

到目前为止，代码整体如下；

library(ggplot2)
ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length)) +
  geom_point(aes(col=Species), size=3) +
  geom_smooth(method="lm",col="red",size=2) +
  coord_cartesian(xlim=c(2.2,4.2), ylim=c(4, 7)) +
  labs(title="Sepal width vs sepal length", subtitle="Using iris dataset",
         y="Length of Sepal", x="Width of Sepal")

4.3.3.5 使用刻面检测不同条件下的模式

刻面是一个强大的工具，可以用来研究不同条件下的模式是相同的还是不同的。刻面是在一个图中绘制多个图形。faceting的功能类似于lattice包中的panel。它经常出现在微生物组学研究的出版物上。在ggplot2中，刻面可以通过两种主要方式执行：网格刻面和包裹刻面。

使用facet_grid(公式)在栅格中绘制多个图

数据根据两个或多个变量分成亚组，facet_grid(公式)函数用来生成grid faceting。公式可以是x~y，这表示将绘图分割成变量x的每个值的一行和变量y的每个值的一列。实现facet_grid(x~y)函数将生成一个矩阵，其中的行和列由x和y的可能组合组成。公式可以是x~.，它用于按行分割绘图；实现facet_grid(x~.)。函数按行拆分具有方向的绘图。公式也可以是.~y，用于按列拆分绘图；实现facet_grid(.~y)函数可以按列拆分具有方向的绘图。我们举例说明了facet_grid(x~.)。和facet_grid(.~y)网格分面，分别使用来自iris数据集的萼片宽度与萼片长度的先前散点图。

#Spliting plots by rows
ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length)) + 
   geom_point(aes(col=Species), size=3) +
   geom_smooth(method="lm",col="red",size=2) +
   coord_cartesian(xlim=c(2.2,4.2), ylim=c(4, 7)) +
   # Add Facet Grid
   facet_grid(Species ~.)

#Spliting plots by columns
  ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length))  + 
  geom_point(aes(col=Species), size=3) +
   geom_smooth(method="lm",col="red",size=2) +
  coord_cartesian(xlim=c(2.2,4.2), ylim=c(4, 7)) +
  # Add Facet Grid
   facet_grid(.~ Species)

如果添加margin = TRUE的选项，会多一个所有数据的图。

 ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length))  + 
   geom_point(aes(col=Species), size=3) +
   geom_smooth(method="lm",col="red",size=2) +
   coord_cartesian(xlim=c(2.2,4.2), ylim=c(4, 7)) +
   # Add Facet Grid
   facet_grid(.~ Species, margin=TRUE)

如果我们想要基于两个或更多变量来分割曲线图，我们需要对所有这些变量执行刻面。例如，公式.~y+z(facet_grid(.~y+z))对两个变量执行刻面，两个变量都按列显示，绘图将基于一个变量与另一个变量的级别并排显示。这种可视化使得两个分类变量的比较非常有效。在这个公式中，我们可以看到使用**+运算符**将附加变量z加到y上。

使用facet_wrap(公式)将一大系列绘图分解为多个小绘图

wrap刻面将一系列大绘图生成单个类别的多个小绘图。此功能使包装分面特别适用于对多个级别的类别变量的分面组合进行分面。要执行WRAP刻面，我们使用facet_wrap(FORMULA)函数。刻面变量可以以参数的形式列出，形式为Facet_wrap(x~y+z)。~符号左边的变量形成行，而右边的变量形成列。Facet_wrap(x~.)的语法。用于在行中仅按x拆分绘图，并包括绘图中的所有其他子集。与前面一个函数的区别是，facet_wrap(FORMULA)可以选择网格中的行数和列数。我们可以分别使用nrow和ncol参数指定它们。

 #Facet Wrap
 #Splitting plots by columns
ggplot(iris, aes(x=Sepal.Width, y=Sepal.Length)) + 
  geom_point(aes(col=Species), size=3) +
  geom_smooth(method="lm",col="red",size=2) +
  coord_cartesian(xlim=c(2.2,4.2), ylim=c(4, 7)) +
  #Add Facet Wrap
  facet_wrap(~ Species, nrow=2)