文献配套GitHub发表级别绘图03-条形图
下面是去年实习生的分享
author: "ylchen"
文章来源："Preoperative immune landscape predisposes adverse outcomes in hepatocellular carcinoma patients with liver transplantation" (2021,npj Precision Oncology)，数据与代码全部公开在https://github.com/sangho1130/KOR_HCC。
下面来实现Fig.2a的条形图(barplots)
一、数据载入
rm(list = ls())
library(reshape2)
library(ggplot2)
library(RColorBrewer)
data <- read.table('../data/Figure 2A input relative score.txt', sep = "\t",header = TRUE, check.names = FALSE)
# 变成因子，调整顺序
data$Status <- factor(data$Status, c("Normal", "FL", "FH", "CS", "DL", "DH", "Nontumor", "Tumor"))
# 行为样本类型，列为细胞
head(data)
# ggplot 画图需要 宽数据变成 长数据
melt.data <- melt(data, variable.name = 'Cell', value.name = 'Relative')
head(melt.data)
基础R包---reshape2包
melt-把宽格式数据转化成长格式。
cast-把长格式数据转化成宽格式。（dcast-输出时返回一个数据框。acast-输出时返回一个向量/矩阵/数组。）
cast 函数的作用除了还原数据外，还可以对数据进行整合。
dcast 输出数据框。公式的左边每个变量都会作为结果中的一列，而右边的变量被当成因子类型，每个水平都会在结果中产生一列。
reshape2
(另外，tidyr包中gather和spread函数也能实现功能哦！)
二、条形图(相对比例)
# 8个样品组的 22种免疫细胞比例
p <- ggplot(melt.data ,aes(x = Status, # 设置x轴
y = Relative, # 设置y轴
fill = Cell))+ # 设置图形填充变量
geom_bar(stat="identity") + #stat="count"表示条形的高度是y变量的数量
#stat="identity"表示条形的高度是y变量的值
scale_fill_manual(values = colorRampPalette(brewer.pal(11, "Spectral"))(22)) + # 设置填充颜色
theme_bw() + # 空白背景
theme(axis.text = element_text(colour = 'black'), #刻度值
axis.text.x = element_text(angle = 90, hjust = 1), # x轴刻度值
panel.grid = element_blank()) + # 空白网格线
labs(x = '', y = 'Relative fraction') # 设置xy轴标签
p
#ggsave('../results/Figure 2A input relative score.pdf', p)
两个知识点
上面画图函数涉及到了颜色与theme的设置，接下来介绍下这两个知识点。
1. 详解RColorBrewer包
- ggplot2画图时会自带配色设置，但一般比较难看。当想使用一些高级，现有的颜色搭配时，不妨考虑下RColorBrewer包。
- 下面介绍下基本用法
library(RColorBrewer)
display.brewer.all() # 查看所有颜色
# brewer.pal.info # 返回画板名，最大颜色数，调色板类型，是否对色盲友好
RColorBrewer包提供三种配色方案
- 连续型Sequential， 颜色渐变。
- 极端型Diverging，生成深色强调两端、浅色表示中部的颜色，可用来标注数据中的离群点。
- 离散型Qualitative，生成彼此差异明显的颜色，通常用来标记分类数据。
说明书：https://cran.r-project.org/web/packages/RColorBrewer/RColorBrewer.pdf
在线版：https://colorbrewer2.org/#type=sequential&scheme=BuGn&n=3
display函数显示颜色
# 单独查看分类
display.brewer.all(type = "seq") # 单独查看第1类颜色
display.brewer.all(type = "qual")
display.brewer.all(type = "div")
# 选择颜色块及数量
cols <- brewer.pal(n=3, name="BuGn")
# name: the name of the color palette you want to use
# n: the number of colors you want from the palette (integer)
cols
# 可视化
display.brewer.pal(n=3, name="BuGn")
加入到ggplot2
主要通过scale_fill_manual函数添加颜色
- 先选择色块:调用Spectral调色板，取11个颜色，赋值给cols
- 把cols赋值给colorRampPalette
- 添加到ggplot2:scale_fill_manual
# 过程如下：先选择色块
# 调用Spectral调色板，取11个颜色，赋值给cols
cols <- brewer.pal(11, "Spectral")
# 可视化
display.brewer.pal(11, "Spectral")
# 把cols赋值给colorRampPalette
pal <- colorRampPalette(cols)
image(volcano, col=pal(22))
# 数据集volcano，颜色设置为：Spectral调色板选择11个颜色，在这11个颜色之间进行连续取值（共22个颜色）
# 若添加到ggplot2
# scale_fill_manual(values = colorRampPalette(brewer.pal(11, "Spectral"))(22))
2. theme用法
相信大家也留意到上面设置theme时使用了几个函数，但实际上还有很多内容可以调整，下面这个图简直是宝藏！
theme(axis.text = element_text(colour = 'black'), # 刻度值
axis.text.x = element_text(angle = 90, hjust = 1), # x轴刻度值
panel.grid = element_blank()) # 空白网格线
参考：https://ggplot2.tidyverse.org/reference/theme.html
三、条形图（相对比例）
- 其实就是输入数据的不同
data <- read.table('../data/Figure 2A input absolute score.txt', sep = "\t",header = TRUE, check.names = FALSE)
head(data)
data$Status <- factor(data$Status, c("Normal", "FL", "FH", "CS", "DL", "DH", "Nontumor", "Tumor"))
melt.data <- melt(data, variable.name = 'Cell', value.name = 'Absolute')
head(melt.data)
p <- ggplot(melt.data ,aes(x = Status, y = Absolute, fill = Cell)) +
geom_bar(stat="identity") +
scale_fill_manual(values = colorRampPalette(brewer.pal(11, "Spectral"))(22)) +
theme_bw() +
theme(axis.text = element_text(colour = 'black'),
axis.text.x = element_text(angle = 90, hjust = 1),
panel.grid = element_blank()) +
labs(x = '', y = 'Absolute fraction')
p
#ggsave('../results/Figure 2A input absolute score.pdf', p)
腾讯云开发者
