2023.4生信马拉松day6-绘图
原创
上节内容回顾
本节思维导图
课前准备工作：
#设置镜像
options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
#安装R包
if(!require(ggplot2))install.packages('ggplot2',update = F,ask = F)
if(!require(ggpubr))install.packages('ggpubr',update = F,ask = F)
if(!require(eoffice))install.packages("eoffice",update = F,ask = F)
if(!require(patchwork))install.packages("patchwork",update = F,ask = F)
#加载以检查是否安装成功
library(ggplot2)
library(ggpubr)
library(eoffice)
library(patchwork)1. 常用可视化R包
-（1）作图：
base包、ggplot2、ggpubr（ggpubr对ggplot2进行了简化和美化，适用于新手入门，可操作空间较小）
#示例体验
#1.基础包 略显陈旧 了解一下
plot(iris[,1],iris[,3],col = iris[,5])
text(6.5,4, labels = 'hello')
dev.off() #关闭画板
#2.ggplot2 中坚力量，语法有个性
library(ggplot2)
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))
#3.ggpubr 新手友好型 ggplot2简化和美化 褒贬不一
library(ggpubr)
ggscatter(iris,
x="Sepal.Length",
y="Petal.Length",
color="Species")-（2）拼图：
par里的mfrow、grid.arrange、cowplot、customLayout、patchwork（最新的、兼容性好、代码简单，用这一个就够够的了）
-（3）导出：
ggsave（是ggplot2里的一个函数）、eoffice-topptx（把图片导成ppt）、经典三段论
2.基础包
-（1）高级绘图函数
画完整的图用的，可以单独运行；
-（2）低级绘图函数
用于给图片添加点/线/标注；不能单独运行；
plot(iris[,1],iris[,3],col = iris[,5]) #画图
#给图片加标注
text(6.5,4, labels = 'hello') #没有前一行的话这行单独运行不了的3. ggplot2：中坚力量，语法有个性
-（1）ggplot2的特殊语法：
列名行名输入时不带引号，行末写+号连接不同函数（最后一行不用）；
-（2）初级绘图模板：
仅指定数据和横纵坐标；
实例：
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length)-（3）属性设置（颜色、大小、透明度、点的形状，线型等）
① 手动设置（不常用）
手动设置可以指定的属性包括：
颜色color——可指定的参数是字符串型的颜色名称，“blue”，“red”；
填充颜色fill，跟color可选的范围相同；
大小size——单位是mm；
透明度alpha；
形状shape，不同形状有0-20的代号；
实例：
#2.1 手动设置，需要设置为有意义的值
ggplot(data = iris) +
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length),
color = "blue")
ggplot(data = iris) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length),
size = 5, # 点的大小5mm
alpha = 0.5, # 透明度 50%
shape = 8) # 点的形状② 映射：把某个属性和数据框的某一列关联起来
例如：将颜色这种属性和数据框的某一列关联起来，每个取值对应一种颜色；
#2.2 映射：按照数据框的某一列来定义图的某个属性
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))③ 映射 vs 手动设置
映射中，color是aes的参数，输入不带引号的列名；手动设置时 color是geom_point的参数，要求是带引号的颜色名称；
手动设置设置多个颜色非常出力不讨好，跟数据关联起来了再指定颜色就好；
映射也可以手动修改映射到的颜色而不必使用默认分配的颜色，具体操作为用scale_color_manual(values = c("blue","grey","red"))来指定；
注：其中颜色不仅可以用“blue”这样的名字来指定，还可以使用十六进制颜色代码来指定，这样想要什么颜色就有什么颜色；
实例：
## Q1 能不能自行指定映射的具体颜色？
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species))+
scale_color_manual(values = c("blue","grey","red"))
#手动设置设置多个颜色非常出力不讨好，跟数据关联起来了再指定颜色就好；## Q2 区分color和fill两个属性
### Q2-1 空心形状和实心形状都用color设置颜色
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species),
shape = 17) #17号，实心的例子
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species),
shape = 2) #2号，空心的例子
### Q2-2 既有边框又有内心的，才需要color和fill两个参数，color管边框的颜色，fill管填充的颜色；
ggplot(data = iris)+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length,
color = Species),
shape = 24,
fill = "black") #24号，双色的例子-（4）分面
用facet_wrap(~)函数把一张图分成多张子图，~ 前面是横着分面的参数，~ 后面是竖着分的参数；
小贴士：不要修改内置数据，因为你忘记你改过它就会开始怀疑人生。
#3.分面
ggplot(data = iris) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
facet_wrap(~ Species) #双分面
dat = iris
dat$Group = sample(letters[1:5],150,replace = T)
#sample是抽样，replace = T表示是不放回的抽样，抽样数不能大于样本总数；
ggplot(data = dat) +
geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
facet_grid(Group ~ Species) 练习6-1
# 1.加载test.Rdata,分别test的以a和b列作为横纵坐标，change列映射颜色，画点图。
load("test.Rdata")
ggplot(data = test)+
geom_point(mapping = aes(x = a,
y = b,
color = change))
# 2.尝试修改点的颜色为 暗绿色(darkgreen)、灰色、红色
ggplot(data = test)+
geom_point(mapping = aes(x = a,
y = b,
color = change))+
scale_color_manual(values = c("darkgreen","grey","red"))
# 补充知识：如何修改图形中标注
# 画图
p <- ggplot(df, aes(x = x, y = y)) + geom_point()
# 修改列名
p <- p + labs(x = "新的 x 轴标签", y = "新的 y 轴标签", title = "新的图形标题")-（5）几何对象
用geom_point这样的函数画出来的点就是一个几何对象，一个箱线图也是一个几何对象，一个线图+其阴影也是一个几何对象；即一个函数画出来的所有东西是一个几何对象；
不同的几何对象可以叠加；
#直接叠加——局部设置（仅对当前图层有效），较为啰嗦；
ggplot(data = iris) +
geom_smooth(mapping = aes(x = Sepal.Length,
y = Petal.Length))+
geom_point(mapping = aes(x = Sepal.Length,
y = Petal.Length))
#全局设置（对所有图层有效），更加简洁；
ggplot(data = iris,mapping = aes(x = Sepal.Length, y = Petal.Length))+
geom_smooth()+
geom_point()-（6）统计变换
以geom开头的函数是几何对象函数；
以stat开头的函数是统计变换函数；
一般来说不用stat开头的函数；
View(diamonds)
table(diamonds$cut)
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut))
ggplot(data = diamonds) +
stat_count(mapping = aes(x = cut)) #统计并可视化
#这两个函数都能画出来一个柱状图
#只指定了x，纵坐标是统计得到的数量#6.1.不统计，数据直接做图
fre = as.data.frame(table(diamonds$cut))
fre
ggplot(data = fre) +
geom_bar(mapping = aes(x = Var1, y = Freq), stat = "identity")
#stat = "identity"就可以避免统计而是使用给定的统计结果直接作图#6.2 不统计直接的数量而是统计比例——将count改为prop：
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))
#为了和y=某列名进行区分，需要再prop前后加两个..；
#group = 1是指把所有的数据作为一个整体，否则会把每一个柱子都画成1；练习6-2
尝试写出下图的代码；尝试在此图上叠加点图。
# 1.尝试写出下图的代码
ggplot(data = iris,mapping = aes(x = Species,
y = Sepal.Width,
color = Species))+
geom_boxplot()
#这样画出来是空心的彩色的，给的示例图是填充彩色边框黑色，所以应该用fill指定颜色：
ggplot(data = iris,mapping = aes(x = Species,
y = Sepal.Width,
fill = Species))+
geom_boxplot()# 2. 尝试在此图上叠加点图，
ggplot(data = iris,mapping = aes(x = Species,
y = Sepal.Width,
fill = Species)) +
geom_boxplot()+
geom_point()
# 这样画出来point有重叠，species本来每组应该有50个点；仅看图片看不出来实际上有50个点，会造成歧义；
#解决办法：用 geom_jitter() 函数防止重叠，把横坐标不限制到一个位置，而是“抖动一下”
ggplot(data = iris,mapping = aes(x = Species,
y = Sepal.Width,
fill = Species)) +
geom_boxplot()+
geom_jitter()-（7）位置调整
练习6-2中提到的geom_jitter()函数用于设置横坐标区域就是一种位置调整；
此外还有堆叠式直方图v.s.并列式直方图这种位置调整，二者可以用position=doge这一参数进行变换；
#普通的点图
ggplot(data = iris,mapping = aes(x = Species,
y = Sepal.Width,
fill = Species)) +
geom_boxplot()+
geom_point()
# 7.1 抖动的点图
ggplot(data = iris,mapping = aes(x = Species,
y = Sepal.Width,
fill = Species)) +
geom_boxplot()+
geom_jitter()# 7.2堆叠直方图
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut,fill=clarity))
# 7.3 并列直方图
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")-（8）坐标系变换
coord_flip()翻转坐标系
coord_polar()改用极坐标系
bar <- ggplot(data = diamonds) +
geom_bar(
mapping = aes(x = cut, fill = cut),
width = 1
) +
theme(aspect.ratio = 1) +
labs(x = NULL, y = NULL)
bar
bar + coord_flip()
bar + coord_polar()ggplot2 小结——完整的绘图模板
练习6-3
画出这个图：
answer：
ggplot(data = iris,mapping = aes(x = Species,y = Sepal.Width))+
geom_violin(aes(fill = Species))+
geom_boxplot()+
geom_jitter(aes(shape = Species))+
coord_flip()4. ggpubr
相比ggplot2，ggpubr淡化了映射和手动设置的区别，淡化了图层的概念，更加简单好上手；深入后还是需要回归到ggplot2；
ggpubr 搜代码直接用，基本不需要系统学习；
sthda上有大量ggpubr出的图，可以套用；
-（1）ggpubr绘图实例：
library(ggpubr)
ggscatter(iris,x="Sepal.Length",
y="Petal.Length",
color="Species")
#在ggplot2后+theme=classic可以去掉背景的灰色和格子，达到ggpur的主题效果；
#要把ggplot2的图例从右边挪到头顶改怎么办？
theme(legend.position = "top")p <- ggboxplot(iris, x = "Species",
y = "Sepal.Length",
color = "Species",
shape = "Species",
add = "jitter")
p
#可以画出类似练习6-1的图-（2）ggpur特色的方便功能——组间比较：
比较前，comparisons参数的数据要求：把三组需要两两比较的数据两个两个组成一个向量，放到一个list里面；
my_comparisons <- list( c("setosa", "versicolor"),
c("setosa", "virginica"),
c("versicolor", "virginica") )
p + stat_compare_means(comparisons = my_comparisons)+ # Add pairwise comparisons p-value
stat_compare_means(label.y = 9) #把比较结果放到y=9的位置5.图片的保存和导出
-（1）ggplot系列图(包括ggpubr)通用的简便保存：ggsave()函数
p <- ggboxplot(iris, x = "Species",
y = "Sepal.Length",
color = "Species",
shape = "Species",
add = "jitter")
ggsave(p,filename = "iris_box_ggpubr.png")
#注意：图片的后缀名相当关键-（2）通用的三段论
pdf("iris_box_ggpubr.pdf") #注意前后的pdf要对应，保存png的话要把两个pdf都改成png，否则图出不来；
boxplot(iris[,1]~iris[,5])
text(6.5,4, labels = 'hello')
dev.off() #画完图以后关闭画板-（3）神器——eoffice包，将图片导出为ppt，全部元素都是可编辑模式
library(eoffice)
topptx(p,"iris_box_ggpubr.pptx")注：不要过度依赖eoffice，拼图用贼好用的patchwork可以有效避免重复劳动！！！而且语法简单，兼容ggplot2。
patchwork特点：
支持p1+p1直接拼图，比任何包都简单；
复杂的布局代码易读性强；
可以给子图添加标记，如ABCD，I II III IV；
可以统一修改所有子图；
可以将子图的图例移到一起；
6.问题&小结
-（1）代码可运行却不出图——画板被占用
dev.off() #回复null device，已关闭画板还运行会报错，报错没关系
dev.new() #新建画板-（2）去哪里找现成的画图代码
现成的代码不难找——
① 火山图、热图直接到搜索引擎搜代码；
② STHDA网站上找代码、数据、教程；
③ 扩展资料-R_03工作目录下的各种扩展学习（基础包500行代码&ggplot2的50个实例）
④ 生信星球制作发布的画图合辑
——扩展学习：因子factor，用来自行控制横纵坐标；
-（3）画图代码+你的数据+你解决问题的能力=你的图
① 我的数据适合用什么图展示？
② 从类似的文章里参考对比、其他学习资料涉及的图片；
③ 搜索画图代码的要求：代码可复制、图片美观；提供了代码配套的示例数据；示例代码+示例数据可复现；
④ 仿制示例数据：比较数据类型&数据结构，将自己的数据调成与示例数据一致；包括组织方式（转置解决）、对应关系等等；
⑤ 套代码，调细节；
tips：
画图最重要的是实践！多画多看才会越来越强！
数据组织往往比后面的调代码更加重要！
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
腾讯云开发者
