ggplot2绘图教程

直方图：geom_histogram

分组直方图的排列方式

position="dodge"

ggplot(small)+geom_histogram(aes(x=price, fill=cut), position="dodge")

https://github.com/Ming-Lian/Bioinformatics-skills/raw/master/picture/ggplot2-position-1.png

position="fill"

ggplot(small)+geom_histogram(aes(x=price, fill=cut), position="fill")

柱状图：geom_bar

柱状图两个要素，一个是分类变量，一个是数目，也就是柱子的高度。数目在这里不用提供，因为ggplot2会通过x变量计算各个分类的数目。

当然你想提供也是可以的，通过stat参数，可以让geom_bar按指定高度画图，比如以下代码：

ggplot()+geom_bar(aes(x=c(LETTERS[1:3]),y=1:3), stat="identity")

区分柱状图和直方图：

柱状图和直方图是很像的，直方图把连续型的数据按照一个个等长的分区（bin）来切分，然后计数，画柱状图。而柱状图是分类数据，按类别计数

控制整体图形属性

标尺（Scale）

在对图形属性进行映射之后，使用标尺可以控制这些属性的显示方式，比如坐标刻度，可能通过标尺，将坐标进行对数变换 scale_y_log10()；比如颜色属性，也可以通过标尺，进行改变 scale_colour_manual(values=rainbow(7))。

标题

设置图像标题：ggtitle()

设置X轴标题：xlab()

设置Y轴标题：ylab()

p + ggtitle("Price vs Cut")+xlab("Cut")+ylab("Price")

同时设置图像标题、X轴标题、Y轴标题：labs

labs(x="Cut",y="Price",title="Price vs Cut")

标题居中：theme(plot.title=element_text(hjust=0.5))

图例 ^目录

隐藏图例：theme(legend.position="none")

图例的安放:用 theme 和 guides 来调整legend的位置和布局：

原图

将图例放在图下方，且为了防止它按照默认的组织方式——按两列展开，这样会影响整体布局的美观，可以按照指定行数去展开：

... + theme(legend.position="bottom") +
  guides(fill=guide_legend(nrow=2))

简约主题设置

panel.background = element_blank()
panel.border = element_blank()
axis.line= element_line(colour = 'black')

统计变换（Statistics）

统计变换对原始数据进行某种计算，然后在图上表示出来

对散点图上加一条回归线 stat_smooth()：

ggplot(small, aes(x=carat, y=price))+geom_point()+scale_y_log10()+stat_smooth()

坐标系统（Coordinante）

坐标系统控制坐标轴，可以进行变换，例如XY轴翻转，笛卡尔坐标和极坐标转换，以满足我们的各种需求。

坐标轴翻转由coord_flip()实现

ggplot(small)+geom_bar(aes(x=cut, fill=cut))+coord_flip()

转换成极坐标可以由coord_polar()实现：

ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar(theta="y")

饼图实际上就是柱状图，只不过是使用极坐标而已，柱状图的高度，对应于饼图的弧度

分面（Facet） ^目录

分面可以让我们按照某种给定的条件，对数据进行分组，然后分别画图 facet_wrap(~cut)

在统计变换一节中，提到如果按切工分组作回归线，显然图会很乱，有了分面功能，我们可以分别作图

ggplot(small, aes(x=carat, y=price))+geom_point(aes(colour=cut))+scale_y_log10() +facet_wrap(~cut)+stat_smooth()

画辅助线

若想添加与x轴平行的辅助线，则可以使用geom_hline函数：

geom_hline(aes(yintercept=0.1), lintype='dashed')

使用 RColorBrewer 扩展调色板

通过运行 display.brewer.all() ，可以查看RColorBrewer中提供的标准配色方案：

则在用ggplot2绘图时只需要在其中加上这样一句：

... + scale_fill_brewer(palette="Set1") + ...

通过设置palette参数来选择合适的配色方案

有时会遇到这样的情况：需要的颜色种类和提供的配色方案中所具有的颜色种类不匹配，一般是需要的颜色种类对于所能提供的，此时就可能报错：

ggplot(mtcars) + 
  geom_bar(aes(factor(hp), fill=factor(hp))) +
  scale_fill_brewer(palette="Set2")

Warning message:
In RColorBrewer::brewer.pal(n, pal) : n too large, allowed maximum for palette Set2 is 8
Returning the palette you asked for with that many colors

此时，RColorBrewer为我们提供了一种通过使用构造函数colorRampPalette插入现有调色板来生成更大调色板的方法

colourCount = length(unique(mtcars$hp))
getPalette = colorRampPalette(brewer.pal(9, "Set1"))
 
ggplot(mtcars) + 
  geom_bar(aes(factor(hp)), fill=getPalette(colourCount)) + 
  theme(legend.position="right")

虽然我们解决了颜色不足的问题，但其他有趣的事情发生了：虽然所有的柱子都回来了并且涂上了不同颜色，但是我们也失去了颜色图例。我故意添加主题（legend.position = ...）来展示这个事实：尽管有明确的位置请求，但图例不再是图形的一部分

原因在于：fill参数移动到柱状图aes函数之外 – 这有效地从ggplot的美学数据集中删除了fill信息。因此，legend没有应用到任何东西上

要修复它，请将fill放回到aes中并使用scale_fill_manual()定义自定义调色板：

ggplot(mtcars) + 
  geom_bar(aes(factor(hp), fill=factor(hp))) + 
  scale_fill_manual(values = getPalette(colourCount))

坐标轴截断

ggplot + grid

本质上就是通过在使用ggplot绘图过程中，使用coord_cartesian来截取指定范围内的图形部分，多次截取则得到多个子图，然后使用grid打开一个画布，将之前截取的多个子图在一个画布上拼凑出来

#使用 coord_cartesian() 分割作图结果
split1 <- bar_plot + coord_cartesian(ylim = c(0, 4)) + 
    theme(legend.position='none')
split2 <- bar_plot + coord_cartesian(ylim = c(4, 20)) + 
    theme(axis.text.x = element_blank(), axis.ticks.x = element_blank(), legend.position = 'none')
split3 <- bar_plot + coord_cartesian(ylim = c(60, 90)) + 
    theme(axis.text.x = element_blank(), axis.ticks.x = element_blank(), legend.position = c(0.95, 0.7))

library(grid)
grid.newpage()
plot_site1 <- viewport(x = 0.008, y = 0, width = 0.994, height = 0.4, just = c('left', 'bottom'))
plot_site2 <- viewport(x = 0, y = 0.4, width = 1, height = 0.3, just = c('left', 'bottom'))
plot_site3 <- viewport(x = 0, y = 0.7, width = 1, height = 0.3, just = c('left', 'bottom'))
print(split1, vp = plot_site1)
print(split2, vp = plot_site2)
print(split3, vp = plot_site3)

如何实现从A图到B图的转化呢？

只需要三步，画下面一半，画上面一半，拼起来即可

（1）画下面一半

#导入包
library(ggplot2)
library(ggpubr)
#数据
data <- data.frame(x = c("Alpha","Bravo","Charlie","Delta"),y=c(200,20,10,15))
#画下面
p1 <- ggplot(data,aes(x=x,y=y,fill=x)) + geom_bar(stat='identity',position=position_dodge()) +
  labs(x=NULL,y=NULL,fill=NULL)+    #可自定义标签名字
  coord_cartesian(ylim = c(0,25))   #设置下面一半的值域

（2）画上面一半

p2 <- ggplot(data,aes(x=x,y=y,fill=x)) + geom_bar(stat='identity',position=position_dodge()) +
  labs(x=NULL,y=NULL,fill=NULL) +   #不要标签
  theme(axis.text.x = element_blank(),axis.ticks.x = element_blank()) +     #去掉X轴和X轴的文字
  coord_cartesian(ylim = c(195,205)) +  #设置上面一半的值域
  scale_y_continuous(breaks = c(195,205,5)) #以5为单位划分Y轴

（3）拼起来

ggarrange(p2,p1,heights=c(1/5, 4/5),ncol = 1, nrow = 2,common.legend = TRUE,legend="right",align = "v")

排序为 p2 p1，即上面的图放上面，下面的图放下面

heights: 两个图高度所占的比例，根据实际情况进行修改

align: 这个参数很重要，对齐参数将上下两个图对齐，h 为水平对齐，v 为垂直对齐

改变X轴标签顺序

若想将上图的X轴标签的排列顺序改成下面的形式：

只需将其所对应的factor类型的列的level进行设置即可，如下：

tt.data$group <- factor(tt.data$group, levels=c("B", "A", "C","D"), ordered=TRUE)

特殊图形的绘制 ^目录

作分组箱线图并添加均值点连线及显著性程度标注

先产生测试数据：

Group1 <- data.frame(A=runif(100,15,90),
	B=rnorm(100,30,3),
	C=runif(100,30,60),
	D=rexp(100,0.1),
	E=rpois(100,10),
	group=1)
Group2 <- data.frame(A=runif(100,0,100),
	B=rnorm(100,50,2),
	C=runif(100,40,70),
	D=rexp(100,0.3),
	E=rpois(100,20),
	group=2)
b <- rbind(Group1,Group2)

	数据长这样：
	         A        B        C          D group
	1 54.22714 29.68265 58.79358  4.0479914     1
	2 65.97848 32.77361 52.92247  0.5999792     1
	3 44.70824 35.41883 56.19580  1.7838666     1
	4 78.40606 34.67005 52.77656 12.8923074     1
	5 51.26713 28.62068 43.12467  2.7550948     1
	6 16.67529 30.38058 38.92073  0.1057046     1

将数据框宽格式变长格式方便制图：

library(data.table)
b <- melt(b,id.vars = c("group"))
b$group<-as.factor(b$group)

	转换后长这样：
	  group variable    value
	1     1        A 54.22714
	2     1        A 65.97848
	3     1        A 44.70824
	4     1        A 78.40606
	5     1        A 51.26713
	6     1        A 16.67529

由于要做每个箱线图的均值点及均值连线，需要获得每个组每个属性的均值，并且定义每个组每个属性的X坐标为固定值

# 每个组每个属性的均值
c1 <- tapply(b[b$group==1,"value"],b[b$group==1,"variable"],mean)
c2 <- tapply(b[b$group==2,"value"],b[b$group==2,"variable"],mean)
c3 <- rbind(data.frame(variable=names(c1),value=c1,group=1),
	data.frame(variable=names(c2),value=c2,group=2))
c3$group<-as.factor(c3$group)


	   variable     value group
	A         A 52.039882     1
	B         B 30.269285     1
	C         C 45.875787     1
	D         D  9.376955     1
	A1        A 49.942698     2
	B1        B 50.089608     2
	C1        C 54.646858     2
	D1        D  3.240988     2


# 定义每个组每个属性的X坐标为固定值
c3$variable2 <- NA
c3[c3$group==1&c3$variable=="A","variable2"] <- 0.795
c3[c3$group==1&c3$variable=="B","variable2"] <- 1.795
c3[c3$group==1&c3$variable=="C","variable2"] <- 2.795
c3[c3$group==1&c3$variable=="D","variable2"] <- 3.795
c3[c3$group==1&c3$variable=="E","variable2"] <- 4.795

c3[c3$group==2&c3$variable=="A","variable2"] <- 1.185
c3[c3$group==2&c3$variable=="B","variable2"] <- 2.185
c3[c3$group==2&c3$variable=="C","variable2"] <- 3.185
c3[c3$group==2&c3$variable=="D","variable2"] <- 4.185
c3[c3$group==2&c3$variable=="E","variable2"] <- 5.185

	   variable     value group variable2
	A         A 52.039882     1     0.795
	B         B 30.269285     1     1.795
	C         C 45.875787     1     2.795
	D         D  9.376955     1     3.795
	A1        A 49.942698     2     1.185
	B1        B 50.089608     2     2.185
	C1        C 54.646858     2     3.185
	D1        D  3.240988     2     4.185

做两组每个属性的箱线图：

p1 <- ggplot(b)+
	# 绘制箱型图
  geom_boxplot(aes(x=variable,y=value,fill=group),
	width=0.6,
	position = position_dodge(0.8),
	outlier.size = 0,
	outlier.color = "white")+
	# 设置箱型图的填充类型及图例
  scale_fill_manual(values = c("red", "blue"),
	breaks=c("1","2"),
	labels=c("Group 1","Group 2"))+
	# 画出每个组每个属性的均值的散点
  geom_point(data=c3,
	aes(x=variable2,
	y=value,
	color=group),
	shape=15,
	size=1)+
	# 画出每个组每个属性的均值的散点的连线
  geom_line(data=c3,
	aes(x=variable2,y=value,color=group),
	size=1,
	linetype = "dotted")+
  labs(x="",y="")+
  scale_y_continuous(limits = c(0,110),breaks=seq(0,110,5)) +
	# 绘制显著性标识
  geom_signif(stat="identity",
			data=data.frame(x=c(0.795,1.795,2.795,3.795), 
					xend=c(1.185, 2.185,3.185,4.185),
					y=c(106,66,70,30),
					annotation=c("***", " *** ","  ***  ","    **    ")),
			aes(x=x,xend=xend, y=y, yend=y, annotation=annotation)) +
	# 主题风格设置
  theme_bw()+
  theme(
    legend.position = "top",
    legend.background=element_blank(),
    legend.key = element_blank(),
    legend.margin=margin(0,0,0,0,"mm"),
    axis.text.x=element_text(size=rel(1.1),face="bold"),
    axis.line.x = element_line(size = 0.5, colour = "black"),
    axis.line.y = element_line(size = 0.5, colour = "black"),
    legend.text=element_text(size=rel(1.1)),
    legend.title=element_blank(),
    panel.border = element_blank(),
    panel.grid = element_blank()
  )+
	# 移除颜色图例，保留填充图例
  guides(color=FALSE)

采集失败，请手动处理

https://github.com/Ming-Lian/Bioinformatics-skills/raw/master/picture/ggplot2-boxplot-plus-siginfo-3.png

然后做两组整体水平的箱线图：

p2<-ggplot(b)+
	# 画箱型图
  geom_boxplot(aes(x=group,y=value,fill=group),
	width=0.8,
	position=position_dodge(1))+
  stat_summary(fun.y = mean, geom = "point", aes(x=group,y=value,color=group),shape=15)+
  scale_fill_manual(values = c("red", "blue"),
	breaks=c("1","2"),
	labels=c("Group 1","Group 2"))+
  scale_x_discrete(breaks=c("1","2"),
	labels=c("Group 1","Group 2"))+
  scale_y_continuous(limits = c(0,110),breaks=seq(0,110,5)) +
	# 绘制显著性标识
  geom_signif(stat="identity",
              data=data.frame(x=c(1), xend=c(2),
                              y=c(106), annotation=c("**")),
              aes(x=x,xend=xend, y=y, yend=y, annotation=annotation))+
  theme_bw()+
  theme(
    legend.position = "top",
    legend.background=element_blank(),
    legend.key = element_blank(),
    legend.margin=margin(0,0,0,0,"mm"),
    axis.text.x=element_text(size=rel(1.1),face="bold"),
    axis.line.x = element_line(size = 0.5, colour = "black"),
    axis.line.y = element_blank(),
    axis.ticks.y = element_blank(),
    axis.text.y = element_blank(),
    axis.title = element_blank(),
    legend.text=element_text(size=rel(1.1)),
    legend.title=element_blank(),
    plot.margin = margin(11.5,0,7,0,"mm"),
    panel.border = element_blank(),
    panel.grid = element_blank()
  )+
  guides(fill=F,color=F)

合并两个图像：

# 如果没有安装则install.packages("gridExtra")
library(gridExtra)
# 合并两个图：
grid.arrange(p1, p2, nrow=1, ncol=2,widths=c(3.5,1),heights=c(4))

使用ggsiginf包

官方文档：https://cran.r-project.org/web/packages/ggsignif/vignettes/intro.html

简单使用——就两步：

(1) 导入需要的包

library(ggplot2)
library(ggsignif)

(2) 画图

ggplot(iris, aes(x=Species, y=Sepal.Length)) + 
 geom_boxplot() +
 geom_signif(comparisons = list(c("versicolor", "virginica")), map_signif_level=TRUE)

高级用法：

（对连个比较对象）全部自行设置显著性标注
geom_signif(y_position=c(5.3, 8.3), xmin=c(0.8, 1.8), xmax=c(1.2, 2.2), annotation=c("**", "NS"), tip_length=0)
设定多个两两比较
comparisons=lists(c('c1', 'c2'), c('c1', 'c3'), ...)

test参数提供两种统计检验方法：t-test与wilcox

使用ggbiplot画PCA图

注意：目前该R包已停止更新维护了，它对ggplot的版本有要求，目前已知可使用的版本为ggplot2=3.0.0，若想安装特点版本的ggplot2：

install_version('ggplot2',version='3.0.0')

安装

library(devtools)
install_github("vqv/ggbiplot")

基本使用：

library(ggbiplot)
data(wine)
wine.pca <- prcomp(wine, scale. = TRUE)
ggbiplot(wine.pca, obs.scale = 1, var.scale = 1,
  groups = wine.class, ellipse = TRUE, circle = TRUE) +
  scale_color_discrete(name = '') +
  theme(legend.direction = 'horizontal', legend.position = 'top')

使用gglorenz画洛伦兹曲线

library(ggplot2)
library(gglorenz)

Distr1 <- c( A=137, B=499, C=311, D=173, E=219, F=81)
x <- data.frame(Distr1)

ggplot(x, aes(Distr1)) + 
  stat_lorenz() + 
  geom_abline(color = "grey")

如若转载，请注明出处：https://www.ouq.net/1336.html

ggplot2绘图教程

直方图：geom_histogram

柱状图：geom_bar

控制整体图形属性

标尺（Scale）

标题

统计变换（Statistics）

坐标系统（Coordinante）

分面（Facet） 目录

画辅助线

使用 RColorBrewer 扩展调色板

坐标轴截断

ggplot + grid

改变X轴标签顺序

特殊图形的绘制 目录

作分组箱线图并添加均值点连线及显著性程度标注

使用ggsiginf包

使用ggbiplot画PCA图

使用gglorenz画洛伦兹曲线

相关推荐

RSEM: rsem-calculate-expression – Estimate gene and isoform expression from RNA-Seq data

R：RNA-seq分析包合集

R包：EDASeq–RNA-Seq 的数据分析和标准化

R:integrating and analysis single-cell datasets

R package install ERROR: tidyverse-textshaping-ragg no-zero status

分面（Facet） ^目录

特殊图形的绘制 ^目录