有时候,我们想把画的几幅图拼接在一起,在R中,cowplot包提供了将图片拼在一起的方法。
1、利用NULL,调节两张图片的位置,让两张图片靠近,距离为-1
cowplot是ggplot2包的一个简单插件(或称拓展包),它的目的是为ggplot2提供一个出版级别的主题,使用少量代码即可实现主题统一的修改,如轴标签大小、画图背景。它主要的作用是可以给研究生和博士后更加容易的画图。
如果你指定labels="AUTO"或labels="auto",那么标签会自动按照大写或小写排列:
学习这一篇教程的前提是:已经学习了上一篇《R高级|利用cowplot包拼接图片(1)基本操作》,并且熟悉了cowplot包中plot_grid函数的基本操作,我们仍然使用上一篇中的A、B、C、D四幅图在本节中进行演示。
前面所讲的图形都是简单图形的拼接,所谓简单,指得是两幅图的布局相同,但是如果两幅图的布局不同,那么利用align来拼图就不行了,这个时候需要使用axis参数,来对齐x轴和y轴。
通常而言,在绘制图形的时候都是绘制某一种类型的一张图形,例如绘制一张散点图,绘制直方图。但有的时候我们希望同时展示多幅图形,可能是因为这些图形有某种联系,需要共同展示才能够更好的表达数据中蕴含的信息。之前介绍的边际图形就是这样的一个例子。本章节会介绍,当我们绘制了好了多幅图形之后,如何将多幅图形合并起来。
参考 https://www.r-bloggers.com/how-to-make-a-simple-heatmap-in-ggplot2/构造数据集
ggplot2是基于grid的绘图工具,它绘制的图像其实是由多个grob(grid graph object)组成的,比如一张点图,它的标题是titleGrob,点图的基本单元包括pointsGrob。
Y叔为啥要开发cnetplot函数来画图呢,需要我们先理解一个概念:基因-概念网络 (Gene-Concept Network) GCN
cowplot包提供了很多函数用于注释图形,包括图形下方的注释,图内数学表达式,组合图的总标题等。因为ggplot2 v2.2.0本身就支持这些特性,所以推荐优先使用ggplot2本身的方法。未来两种相同的功能将从cowplot移除。
说起R语言的拼图,可能大家一点都不陌生,比如常用的“cowplot”和“patchwork”。gridExtra包也提供了一个拼图函数”grid.arrange“。另外,南方医科大学余光创教授也开发了一个更为神奇的拼图R包:aplot。本文将依次对它们的用法进行介绍。
如下所示,可以看到有多个样品,每个样品都有多个基因表达量,这个时候我们比较关心的是这些基因的表达量相关性(在多个样品),基因与基因之间有两两组合相关性:
其实这样的操作,在[[88-R可视化20-R的几种基于ggplot的拼图解决方案]] 中,就已经提到了。这里来进行一下总结。
其实简单的R 拼图,我喜欢patchwork 的加减乘除。但这种4x4 布局的图片,对象又多,一个个创建不现实;代码写起来,也非常不优雅。
富集分析气泡图dotplot, 本脚本只需要一个表格数据(如果是clusterProfiler包输出的富集分析结果可直接使用),也可以是其他软件工具的结果,按需改成本脚本所需格式即可。
par(mfrow=c(2,2)),可以理解将绘图区域分割为2×2的矩阵区域,另可参照《R语言实战》3.5图形的组合
enrichplot是一个非常受欢迎的R包,在官网上每年均有数万次独立IP下载。Bioconductor上共有1905个R包,enrichplot下载量排第45位。它不仅可以对我们本实验室开发的clusterProfiler、DOSE、ReactomePA和meshes等R包的结果进行展示,也有不少R包使用enrichplot进行可视化展示,如:gprofiler2。之前已经有师妹发布了一篇关于使用enrichplot可视化的文章,写的文笔很好,内容讲解也挺细致。enrichplot一直在开发中,会不断有新的功能出现。这次小编便以开发者的身份对它的新功能以及部分隐藏功能做个介绍。
计算一下所有细胞的counts分布情况,发现counts差距比较大,因此需要normalize
par(mfrow=c(2,2)),可以理解将绘图区域分割为2x2的矩阵区域,另可参照《R语言实战》3.5图形的组合
这里我主要使用 ggridges 包中的 stat_density_ridges()。这个包的介绍,小编以前做过一期内容,可见:ggridges包—峰峦图详细介绍。读者需要进一步阅读课件这篇博文[1],以及一些案例[2]。
看到这张图是不是眼前一亮的感觉,觉得你的预后类型文章就差这一张图了呢?那么恭喜你,看完这个帖子就能将它收入囊中了。
在[[111-R可视化35-结合grid与ggplot输出]] 与[[116-R可视化36-把你长长的坐标轴弄短]] 中,我们提过:通过pushViewport控制画布位置的方法,我们可以画出:
在作图的时候想拼接不同的图形对象,如pheatmap 包的热图、ggplot2 对象以及 base 图形等。这里找到了Y叔的ggplotify包,以下是对 Vignette 的翻译,以帮助自己理解用法,也希望读者受益。
单细胞常见的可视化方式有DimPlot,FeaturePlot ,DotPlot ,VlnPlot 和 DoHeatmap几种 ,Seurat均可以实现,但文献中的图大多会精美很多。比如
在R中更易于处理的数据形式是data.frame,list并不是太好处理,常用操作就是对它进行循环迭代。
作者:严涛 浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源
蝴蝶图是一种形似蝴蝶双向柱状图。做GO term 的时候常常同时展现上调和下调的数据,因此,这里用ggplot2绘制GO term双向柱状图。 输入数据为clusterProfiler的GO term 结果,其他方式做的go term 也可,这里只用到通路和Pvalue。
这个工具的用途比较简单,主要为为心肺运动测试数据提供了一个快速、标准化和可重复的工作流程。
最近在做论文模拟实验并将实验结果进行可视化。下面是我这阶段的一些经验总结,在此记录下,也希望能够帮助到你。
论文中需要绘制数据对于不同分布假定下的 QQ 图。这里小编主要是使用 qqplotr 包进行绘制,参考的博客:An Introduction to qqplotr[1]。
差异分析可视化 rm(list = ls()) load(file = "step1output.Rdata") load(file = "step4output.Rdata") # 火山图 library(dplyr) library(ggplot2) dat = distinct(deg,symbol,.keep_all = T) p <- ggplot(data = dat, aes(x = logFC, y = -log10(P.Va
上面这个代码复制粘贴,是不能出图的,因为分组和表达的数据是直接加载之前保存的信息。
在[[02-用splatter模拟单细胞数据]]中,我们提过SplatParams 参数对象中的参数:
R语言里比较常用的画韦恩图的包是VennDiagram,但是今天的内容涉及到拼图,用VennDiagram画图后如何拼图我暂时还不知道。所以今天使用另外一个包ggvenn,因为是gg系列,拼图实现起来就相对比较容易。之前也录制过视频介绍这个包
绘制FeaturePlot时,遇到基因在所有细胞中表达水平相同展示效果不理想的情况,本文引入函数tryCatch()旨在解决上述问题,并将警告信息保存到日志文件中便于后续追踪。
大家好,我是技能树的老朋友啦,三年前在群主的第一波RNA-seq入门8步活动中因为表现优异获得群主青睐成为技能树VIP一员,也开启了自己的学习经验分享人生!
ggtree是ggplot2的拓展包,可以应用于进化树的绘制,还能对进化树丰富的注释分析。
R语言里做做正态性检验通常用到的函数是shaporo.test(),这个是叫Shapiro-Wilk(夏皮罗-威尔克)正态性性检验。
我其实在Seurat v3官方网站的Vignettes中就曾见过该算法,但并没有太多关注,直到看了北大张泽民团队在2019年10月31日发表于Cell的《Landscap and Dynamics of Single Immune Cells in Hepatocellular Carcinoma》,为了同时整合两类数据(包括SMART-seq2和10X)(Hemberg-lab单细胞转录组数据分析(七)- 导入10X和SmartSeq2数据Tabula Muris)达到不同平台的数据可以整合一起进行非监督聚类(基因共表达聚类分析和可视化)的效果,作者使用了harmony算法。
今天继续 跟着Nature Communications学画图 系列第五篇。学习R语言ggplot2包画图。然后多个图拼接到一起。对应的是论文中的补充材料图一。
输入数据是数值型矩阵/数据框,颜色的变化表示数值的大小。有相关性热图和差异基因热图。
本文介绍了新版Seurat在数据可视化方面的新功能。主要是进一步加强与ggplot2语法的兼容性,支持交互操作。
这里我们用ggpubr包的stat_compare_means()函数给神图加上统计值
生成Group向量的三种常规方法,三选一,选谁就把第几个逻辑值写成T,另外两个为F。如果三种办法都不适用,可以继续往后写else if
相关关系:当一个或几个相互联系的变量取一定的数值时,与之相对应的另一变量的值虽然不确定,但它仍按某种规律一定的范围内变化。变量间的这种相互关系,称为具有不确定性的相关关系。
折线图添加误差线是非常常用的一种可视化方法,今天的推文介绍一下使用R语言的ggplot2作图的代码。模仿的是论文 Phased diploid genome assemblies and pan-ge
基因集可视化是很常见的分析内容,山脊图使用较少,原因可能是默认生成的图片不美观。本文提供山脊图的美化后的效果图,供选择。
领取专属 10元无门槛券
手把手带您无忧上云