本筆記內(nèi)容：
最近工作中遇到的分析需求：按照要求的分組畫boxplot和PcoA的散點(diǎn)圖疟羹。對畫各種圖的實(shí)現(xiàn)方法，一些具體問題的解決方法等也祠。
- Long data和wide data之間的轉(zhuǎn)換, 及其作用
- 作圖細(xì)節(jié)：box的顏色冷离，散點(diǎn)分布，調(diào)整label的角度, 修改label: theme(), labs()等
- 調(diào)整橫坐標(biāo)labels的順序：設(shè)置factor中l(wèi)evel的順序
- facet_grid(): 將一個(gè)Plot按照分組繪制多個(gè)Plot搏屑，并在theme()中設(shè)置它的屬性
- ggplot2的一些通用規(guī)律
- PCoA：ade4和ggplot2
- legend()用法
- theme()快捷設(shè)置
- 零碎的東西
- 在boxplot之間連線
- geom_bar()
- geom_, geom_, geom_
- scale_, scale_, scale_
- error bar
- 在geom_boxplot()中去掉outlier
- 拼圖之后加上一個(gè)總title
- ggexport
- ggsignif
- geom_boxplot()畫出來的box釋義
- stacked barchart和percentage stacked barchart
- sankey flow
long data和wide data之間的轉(zhuǎn)換, 及其作用
關(guān)于Long data和wide data之間的轉(zhuǎn)換及其意義，我寫過在python中的用法粉楚，見python學(xué)習(xí)：pandas學(xué)習(xí)筆記（三）中Pandas.melt()的用法辣恋。在這里是用R實(shí)現(xiàn)亮垫。一般ggplot2需要使用Long data. 比方說如下所示的數(shù)據(jù)cond1, cond2和control你都想用ggplot2畫boxplot出來，那必須轉(zhuǎn)化為Long data, 把每個(gè)樣本的測量值分一列伟骨，測得是cond1還是cond2一列饮潦。
了解更多參考這個(gè)鏈接
t <- read.table(header=TRUE, text='
subject sex control cond1 cond2
1 M 7.9 12.3 10.7
2 F 6.3 10.6 11.1
3 F 9.5 13.1 13.8
4 M 11.5 13.4 12.9
')
t_long <- melt(t, id.vars = c('subject', 'sex')) # id.vars為不合并的列，即保留的列
t_long
subject sex variable value
1 1 M control 7.9
2 2 F control 6.3
3 3 F control 9.5
4 4 M control 11.5
5 1 M cond1 12.3
6 2 F cond1 10.6
7 3 F cond1 13.1
8 4 M cond1 13.4
9 1 M cond2 10.7
10 2 F cond2 11.1
11 3 F cond2 13.8
12 4 M cond2 12.9
作圖細(xì)節(jié)：box的顏色携狭，散點(diǎn)分布等
以以上數(shù)據(jù)為例继蜡，按照variable的分組畫三個(gè)boxplot:
ggplot(t_long, aes(x = variable, y = value)) +
geom_boxplot()
ggplot(t_long, aes(x = variable, y = value, fill = variable)) +
geom_boxplot() + geom_point(position = position_jitterdodge()) +
# 在box中加上點(diǎn)，讓點(diǎn)隨機(jī)排列逛腿，不要忘記用加號銜接
scale_fill_brewer(palette = "Set3") + # 使用brewer.pal中的調(diào)色盤
theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
# theme()用來設(shè)置labels, 以及l(fā)abels與各軸之間的角度
labs(x = "condition", y = "condition_values")
# 重命名labels
ggplot(t_long, aes(x = variable, y = value, fill = sex)) +
geom_boxplot(position = position_dodge(0.8)) +
# 因?yàn)榘汛骲oxplot拆分成兩個(gè)稀并，設(shè)置這兩個(gè)小boxplot之間的距離
geom_point(position = position_jitterdodge()) +
scale_fill_brewer(palette = "Set3") +
theme(axis.text.x = element_text(angle = 45, vjust = 1, hjust = 1)) +
labs(x = "condition", y = "condition_values")
# ggplot(aes(fill = ))變化了，將每個(gè)variable拆分成sex的兩個(gè)小組畫圖
可以參考這個(gè)鏈接单默，一個(gè)基礎(chǔ)又詳細(xì)的教程碘举。
調(diào)整橫坐標(biāo)labels的順序：設(shè)置factor中l(wèi)evel的順序
c <- t_long$value
t_long$variable <- factor(t_long$variable ,
levels =unique(t_long$variable[order(-c)]))
# 讓整個(gè)boxplot大致降序排列，需要將包含box類別的變量設(shè)置為factor,在level中設(shè)置為按照值來降序排列
# ....真是麻煩啊...如果有什么別的好辦法還請告訴我
將boxplot降序或者升序排列搁廓，在fill = 變量非常多引颈，把整個(gè)圖拉的很長的情況下很有用，可以很明確的看出數(shù)據(jù)的規(guī)律境蜕。最好能在input dataframe的時(shí)候就把數(shù)據(jù)整理成一定順序蝙场。
還有一個(gè)辦法：
ggplot(t_long, aes(x = reorder(variable, value, FUN = median)), y = ...)
# 在ggplot的aes()里指定按照中位數(shù)大小排列
facet_grid()：將一個(gè)Plot按照分組繪制多個(gè)Plot
使用一個(gè)R自帶的數(shù)據(jù)集為例：data(ToothGrowth)，這個(gè)數(shù)據(jù)集有兩個(gè)分組汽摹，一個(gè)是supp, 一個(gè)是dose, 記得需要先把dose轉(zhuǎn)化為factor再行后續(xù)操作李丰。
t <- data(ToothGrowth)
t$dose <- as.factor(t$dose)
p2 <- ggplot(t, aes(x = supp, y = len, fill = supp)) +
geom_boxplot(position = position_dodge(0.8)) +
geom_point(position = position_jitterdodge()) +
scale_fill_brewer(palette = "Set3") +
facet_grid(dose ~ .,scales = "free") + # 按照dose的分組將plot分成3個(gè)不同的dose子plot; scales的意思是按照各分組數(shù)據(jù)的極限值設(shè)置各子plot的scale, 不統(tǒng)一苦锨。
theme(axis.title = element_text(size = 15),
axis.text.x = element_text(size = 15),
axis.text.y = element_text(size =12),
strip.text.y = element_text(size = 12), # 調(diào)整不同子plot的標(biāo)簽字體大小
panel.spacing = unit(1, "lines")) + # 調(diào)整不同子plot之間距離大小
labs(x = "", y = "")
更多參考以下鏈接：
http://www.sthda.com/english/wiki/ggplot2-customize-how-to-personalize-easily-ggplot2-graphs-in-r-statistical-software
http://www.sthda.com/english/wiki/ggplot2-facet-split-a-plot-into-a-matrix-of-panels
ggplot2的一些通用規(guī)律
ggplot(dataframe, aes(x = X, y = Y, fill = group, color = group)) +
# 設(shè)置了fill則將"可以fill的形狀"填充起來逼泣，比方說橢圓，比方說boxplot, barplot等舟舒。不設(shè)置fill什么顏色則ggplot2默認(rèn)填充拉庶。用scale_fill_**設(shè)置填充顏色
# color用于設(shè)置點(diǎn)或者線的顏色，比方說boxplot的外框描線...
+ geom_point(aes(color = group), alpha = 0.8, size = 4)
# 在aes()中設(shè)置點(diǎn)的顏色秃励，但是點(diǎn)的透明度氏仗，大小等屬性注意在aes()之外設(shè)置
# 在aes()之外，position = position_jitterdodge()將點(diǎn)按照分組分開
+ geom_boxplot()
+ scale_color_manual(values = c(xxx,xxx,xxx...))
# scale_color_**用于自定義color的顏色夺鲜，即點(diǎn)皆尔，線的顏色
+ scale_fill_manual(values = c(xxx, xxx, xxx...))
# scale_fill_**用于自定義fill的顏色，即填充顏色
PCoA：ade4和ggplot2
ade4包：以距離矩陣為input, 用cmdscale()獲取坐標(biāo)軸位置币励，用s.class畫圖并按照分組聚類慷蠕。可是沒有坐標(biāo)軸信息食呻，也不知道這兩維分別可以有多少variance explained
unifrac <- read.table(...)
meta <- read.csv(...)
mds <- cmdscale(unifrac,k = 2, eig = TRUE)
mds_m <- mds$points
group <- as.factor(meta$grouping) # 把分組信息轉(zhuǎn)化為Factor
plot_color <- brewer.pal(5,"Set2")[group] # 便于給每個(gè)樣本分組并上色
s.class(mds_m, col=unique(plot_color), cpoint = 1, fac = group, cstar = 1, cellipse = 1)
# 按照分組形成聚類橢圓（wheel）
# 用fake data畫的
ggplot2包：需要把metadata和cmdscale()得到的mds坐標(biāo)合并為一個(gè)dataframe作為input, 并使用上面ade4包得到的mds$eig計(jì)算variance explained
可以參考一篇宏基因組公眾號的文章： 擴(kuò)增子統(tǒng)計(jì)繪圖2散點(diǎn)圖：Beta多樣性
eig <- mds$eig
mds_df <- data.frame(mds_m)
mds_meta <- cbind(mds_df, meta)
# X1, X2為各點(diǎn)坐標(biāo)信息的col_name流炕，grouping為分組信息的col_name
# 都在mds_meta中
ggplot(mds_meta, aes(x = X1, y = X2)) +
geom_point(aes(color = factor(grouping)), size = 3) +
scale_color_discrete(name = "grouping") +
stat_ellipse(aes(x = X1, y = X2, color = grouping), type = "norm") +
labs(x = paste("PCoA 1 (", format(100*eig[1]/sum(eig), digits = 4), "%)",sep = ""),
y = paste("PCoA 2 (", format(100*eig[2]/sum(eig), digits = 4), "%)",sep = "")
)
# 手動(dòng)添加variance explained的label
legend()用法
group <- as.factor(data$group)
color <- brewer.pal(length(levels(group)), "Set1")
heatmap.2(x...)
par(lend = 1)
legend(0.88, 0.998, # 也可以直接指定：“bottomright”, “bottom”, “bottomleft”, “l(fā)eft”, “topleft”, “top”, “topright”, “right”, “center”
legend = levels(group), # 指定legend中寫什么字
col = color, #指定顏色
lty = 1, # 顯示為直線型色塊
lwd = 10, # 顯示色塊的寬度
text.col = "black"澎现，# legend字體顏色
pch = c(.., .., .....) # 如果你的legend lty沒有設(shè)置，想設(shè)置成不同形狀不同顏色的legend每辟，則使用pch指定色塊的形狀剑辫，具體代碼對應(yīng)的形狀見下圖
cex = 0.8) # 設(shè)置字體大小
參考連接：https://www.rdocumentation.org/packages/graphics/versions/3.5.0/topics/legend
theme()快捷設(shè)置
default為+ theme_gray()
常用 theme_classic(), 詳見以下鏈接
http://ggplot2.tidyverse.org/reference/ggtheme.html
theme_classic(size = n)設(shè)置默認(rèn)classic的主題中字體大小
如何去掉legend title/legend
ggplot() + theme(legend.title=element_blank())
theme(legend.position = "none")則去除legend
給boxplot加上統(tǒng)計(jì)檢驗(yàn)結(jié)果及P值
https://www.r-bloggers.com/add-p-values-and-significance-levels-to-ggplots/
ggarrange() 把圖組合在一起，公用legend
ggarrange(plotlist = plot_list, ncol = 4, common.legend = TRUE)
如果有一個(gè)list of plots, 可以用ggarrange(plotlist...)
合并在一起渠欺，且可以公用legend, 設(shè)置legend的位置妹蔽。
boxplot(fill = )和scale_fill_manual()
往往要在boxplot(fill=)中設(shè)置了顏色才可以顯示！那要scale_fill_manul多么雞肋挠将！要你何用讹开！
在boxplot之間連線
詳見這個(gè)鏈接
ggplot(..) +
geom_line(aes(group = interaction(index, variable)) +...
# index將要連接的點(diǎn)聯(lián)系在一起
geom_bar()
geom_bar(position = 'fill'/'dodge')
舉個(gè)栗子：
library(socviz) # 用這里的gss_sm數(shù)據(jù)集
ggplot(data= gss_sm, aes(x=bigregion,fill=religion)) +
geom_bar(position='fill')
ggplot(data= gss_sm, aes(x=bigregion,fill=religion)) +
geom_bar(position='dodge')
分別得到：
另外：
-
geom_bar()和geom_histogram()的區(qū)別：
histogram用于查看單個(gè)變量的distribution，當(dāng)然也可以把幾個(gè)變量的distribution放在一張圖里捐名，比較他們的分布旦万。
bar圖用于查看多個(gè)變量的計(jì)數(shù)/占比/數(shù)值大小。 -
geom_bar(stat = "identity")和geom_col()是一樣的镶蹋，都表示把對應(yīng)的y值直接plot出來成艘，不用做任何stat summary
geom_,geom_,geom_...
geom_dotplot()
geom_smooth() 平滑曲線，或者線性的直線
geom_pointrange(ymin=.. ,ymax=...) 給點(diǎn)加上range,比方說Sd, 你必須先準(zhǔn)備好sd的數(shù)據(jù)贺归，不能指望ggplot2給你做好淆两。這里可以注意與dplyr的結(jié)合使用，提高效率拂酣，減少中間變量秋冰。
facet_wrap(~ variable, scales = "free_y", ncol = 1) 注意scales的用法
scale_, scale_,scale_
ggplot(aes(...))的完整是ggplot(mapping = aes(x = .., y =.., color = ..., fill = ... ...)), 每個(gè)mapping中的東西，都具有一個(gè)scale. x和y是連續(xù)型變量婶熬，其scale交給scale_x_log10(), scale_x_continuous()來調(diào)整剑勾。像mapping中的color, fill ,shape等， 需要scale_color_discrete()等來調(diào)整赵颅，比如以下這個(gè)例子：
library(socviz)
data(organdata) # 示例數(shù)據(jù)
ggplot(organdata, aes(x=roads, y= donors, color= world)) +
geom_point()
ggplot(organdata, aes(x=roads, y= donors, color= world)) +
geom_point() +
scale_color_discrete(labels = c("Corporatist", "Liberal", "Social Democratic", "Unclassified")) +
labs(x = "Road Deaths", y = "Donor Procurement", color = "Welfare State")
# scale_color_manual(name = "XXX", values = XXXcolors)
error bar
在ggplot2中實(shí)現(xiàn)有很多種方法虽另，包括：
geom_pointrange()
geom_linerange()
geom_crossbar()
geom_errorbar()
在geom_boxplot()中去掉outlier
geom_boxplot(outlier.shape = NA) + ...
拼圖之后加上一個(gè)總title
annotate_figure(ggarrange(plotlist = plotlist))
ggexport
ggexport 用%>%與ggplot2的object無縫銜接
ggarrange(...) %>%
ggexport(filename=XXX,height=XX, width=XXX)
ggsignif (geom_signif())
ggplot(...) +
geom_signif(test = 'wilcox.test',
comparisons = XXX,
vjust=0, # significant level橫線和P值數(shù)字之間的距離
textsize = 6, # p值數(shù)字的大小
size=0.5, # 橫線的粗細(xì)程度
step_increase=0, # 根據(jù)bar的總長度的一定比例，確定每個(gè)significant level要上升多少
y_position = XXX, # c(), 固定好每個(gè)significant level的y軸坐標(biāo)饺谬，推薦使用這個(gè)
annotations = XXX # P值內(nèi)容捂刺，也可以換成*,**,***...
)
geom_boxplot()畫出來的box釋義
參考：https://waterdata.usgs.gov/blog/boxplots/
stacked barchart和percentage stacked barchart
# 數(shù)據(jù)：
specie <- c(rep("sorgho" , 3) , rep("poacee" , 3) , rep("banana" , 3) , rep("triticum" , 3) )
condition <- rep(c("normal" , "stress" , "Nitrogen") , 4)
value <- abs(rnorm(12 , 0 , 15))
data <- data.frame(specie,condition,value)
ggplot(data,aes(fill=condition,y=value,x=specie))+
geom_bar(position = 'fill',stat = 'identity')
ggplot(data,aes(fill=condition,y=value,x=specie))+
geom_bar(position = 'dodge',stat = 'identity')
參考這個(gè)連接
sankey flow
https://cran.r-project.org/web/packages/ggalluvial/vignettes/ggalluvial.html
http://corybrunson.github.io/ggalluvial/reference/geom_flow.html
https://stackoverflow.com/questions/9968433/sankey-diagrams-in-r
