R數(shù)據(jù)可視化10:蜜蜂圖 Beeswarm

忙碌于實驗的一周。寫代碼的時候是只要寫代碼就要動腦子挡闰,最簡單的讀文件乒融,也是要小小動一下腦子。而做實驗的時候是計劃實驗的時候動腦子摄悯,實驗中機械操作赞季,然后實驗失敗的時候是費腦子。永遠不知道是我有問題奢驯,樣本有問題申钩,還是實驗過程有問題,總是在重復摸索瘪阁,好難撒遣。正文——————————今天我們來講蜜蜂圖,這圖也看著確實很吵鬧管跺,仿佛耳邊嗡嗡作響义黎。

什么是蜜蜂圖

不知道蜜蜂圖的名字從何而來,我猜測可能是因為畫這個圖的包叫做beeswarm豁跑?
我們先來看看蜜蜂圖長什么樣廉涕。

Beeswarm

看上去和我們之前的點圖很像,我們可以直觀來比較一下beeswarm和ggplot中使用jitter及point(默認參數(shù))繪制同一組關于乳腺癌數(shù)據(jù)的圖:

從中可以發(fā)現(xiàn)艇拍,beeswarm很好的體現(xiàn)了數(shù)據(jù)的分布狐蜕,更加清楚、直觀卸夕。而后兩者层释,難以快速獲取信息,point圖中點過于密集快集,jitter中分布過于散亂贡羔。這也是很多科學論文選擇beeswarm圖的原因,在小樣本下也許jitter或者point的方法也能夠傳達我們想要傳遞的信息碍讨。但是在樣本量較大的時候治力,這兩個繪圖方法就不太適合了。而beeswarm圖在大樣本的情況下也比較使用勃黍。不僅可以體現(xiàn)每一個樣本具體情況宵统,而且能夠查看整體的情況。

怎么做蜜蜂圖

本次作圖使用兩個不同的包,之所以如此是因為比較常見的制作蜜蜂圖的包就叫做“beeswarm”马澈,但是它和ggplot的作圖習慣略有差別瓢省。鑒于之前都是利用ggplot作圖,所以也講解另一個基于ggplot的名叫“ggbeeswarm”的包痊班。
Note:沒有安裝相關R包的勤婚,先安裝R包

1)需要什么格式的數(shù)據(jù)
本次使用的是beeswarm包中的breast數(shù)據(jù)。

breast 數(shù)據(jù)

共有286個樣本涤伐,具體所表示的信息如下:
ER:Estrogen receptor status (factor with levels neg, pos)
ESR1:Expression of the ESR1 gene (numeric)
ERBB2:Expression of the ERBB2 gene (numeric)
time_survival:Time in months (numeric)
event_survival:Coded event: 0 = censored, 1 = metastasis (numeric)

2)如何作圖
首先使用beeswarm包

library(beeswarm)
data(breast)
beeswarm(time_survival ~ ER, data = breast,
         pch = 16, pwcol = 1 + as.numeric(event_survival),
         xlab = "", ylab = "Follow-up time (months)",
         labels = c("ER neg", "ER pos"))
legend("topright", legend = c("Yes", "No"),
       title = "Censored", pch = 16, col = 1:2)

可以看到不像ggplot給具體的x=馒胆,y=,該包使用公式:
舉例: p~ grp
那么就相當于x為grp凝果,y為p
另外祝迂,其修改圖諸多細節(jié)的方式也不一致。
pch是選擇點的樣式器净,不同的數(shù)字代表實心圓型雳、空心圓、三角形山害、倒三角形等等纠俭。
pwcol是用來設置顏色,可以看到這里+1原因是event_survival中含有0值浪慌,如果不加1冤荆,則顯示為無色,即查看不到這些樣本
labels用來修改x軸標簽
然后使用legend功能添加圖例

然后我們來看一看另一個R包ggbeeswarm眷射。

ggplot(breast,aes(x=ER,y=time_survival))+
  geom_beeswarm(aes(color=factor(event_survival)),cex=1.5)+#cex用于設置點的密集程度
  theme_bw()+
  theme(
    legend.position = c("top"),
    panel.grid = element_blank()
    
  )+
  scale_color_manual(values=c("Black","Red"),name="Censored",labels=c("Yes","No"))+
  scale_x_discrete(labels=c("ER neg","ER pos"))+
  xlab("")+
  ylab("Follow-up time (months)")

往期 R數(shù)據(jù)可視化 分享

R數(shù)據(jù)可視化9: 棒棒糖圖 Lollipop Chart
R數(shù)據(jù)可視化8: 金字塔圖和偏差圖
R數(shù)據(jù)可視化7: 氣泡圖 Bubble Plot
R數(shù)據(jù)可視化6: 面積圖 Area Chart
R數(shù)據(jù)可視化5: 熱圖 Heatmap
R數(shù)據(jù)可視化4: PCA和PCoA圖
R數(shù)據(jù)可視化3: 直方/條形圖
R數(shù)據(jù)可視化2: 箱形圖 Boxplot
R數(shù)據(jù)可視化1: 火山圖

?著作權歸作者所有,轉載或內(nèi)容合作請聯(lián)系作者
  • 序言:七十年代末匙赞,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子妖碉,更是在濱河造成了極大的恐慌,老刑警劉巖芥被,帶你破解...
    沈念sama閱讀 216,372評論 6 498
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件欧宜,死亡現(xiàn)場離奇詭異,居然都是意外死亡拴魄,警方通過查閱死者的電腦和手機冗茸,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 92,368評論 3 392
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來匹中,“玉大人夏漱,你說我怎么就攤上這事《ソ荩” “怎么了挂绰?”我有些...
    開封第一講書人閱讀 162,415評論 0 353
  • 文/不壞的土叔 我叫張陵,是天一觀的道長服赎。 經(jīng)常有香客問我葵蒂,道長交播,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 58,157評論 1 292
  • 正文 為了忘掉前任践付,我火速辦了婚禮秦士,結果婚禮上,老公的妹妹穿的比我還像新娘永高。我一直安慰自己隧土,他們只是感情好,可當我...
    茶點故事閱讀 67,171評論 6 388
  • 文/花漫 我一把揭開白布命爬。 她就那樣靜靜地躺著曹傀,像睡著了一般。 火紅的嫁衣襯著肌膚如雪遇骑。 梳的紋絲不亂的頭發(fā)上卖毁,一...
    開封第一講書人閱讀 51,125評論 1 297
  • 那天,我揣著相機與錄音落萎,去河邊找鬼亥啦。 笑死,一個胖子當著我的面吹牛练链,可吹牛的內(nèi)容都是我干的翔脱。 我是一名探鬼主播,決...
    沈念sama閱讀 40,028評論 3 417
  • 文/蒼蘭香墨 我猛地睜開眼媒鼓,長吁一口氣:“原來是場噩夢啊……” “哼届吁!你這毒婦竟也來了捧存?” 一聲冷哼從身側響起定硝,我...
    開封第一講書人閱讀 38,887評論 0 274
  • 序言:老撾萬榮一對情侶失蹤嚼贡,失蹤者是張志新(化名)和其女友劉穎湖员,沒想到半個月后笨腥,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體逸贾,經(jīng)...
    沈念sama閱讀 45,310評論 1 310
  • 正文 獨居荒郊野嶺守林人離奇死亡宠互,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點故事閱讀 37,533評論 2 332
  • 正文 我和宋清朗相戀三年浴讯,在試婚紗的時候發(fā)現(xiàn)自己被綠了擎厢。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片究流。...
    茶點故事閱讀 39,690評論 1 348
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖动遭,靈堂內(nèi)的尸體忽然破棺而出芬探,到底是詐尸還是另有隱情,我是刑警寧澤厘惦,帶...
    沈念sama閱讀 35,411評論 5 343
  • 正文 年R本政府宣布偷仿,位于F島的核電站,受9級特大地震影響,放射性物質(zhì)發(fā)生泄漏炎疆。R本人自食惡果不足惜卡骂,卻給世界環(huán)境...
    茶點故事閱讀 41,004評論 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望形入。 院中可真熱鬧全跨,春花似錦、人聲如沸亿遂。這莊子的主人今日做“春日...
    開封第一講書人閱讀 31,659評論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽蛇数。三九已至挪钓,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間耳舅,已是汗流浹背碌上。 一陣腳步聲響...
    開封第一講書人閱讀 32,812評論 1 268
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留浦徊,地道東北人馏予。 一個月前我還...
    沈念sama閱讀 47,693評論 2 368
  • 正文 我出身青樓,卻偏偏與公主長得像盔性,于是被迫代替她去往敵國和親霞丧。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 44,577評論 2 353

推薦閱讀更多精彩內(nèi)容