ggplot2学习笔记系列之利用ggplot2绘制误差棒及显著性标记

作者简介Introduction

taoyan：伪码农，R语言爱好者，爱开源。

个人博客: https://ytlogos.github.io/

公众号：生信大课堂

往期回顾

绘制带有误差棒的条形图

library(ggplot2)

#创建数据集

df <- data.frame(treatment = factor(c(1, 1, 1, 2, 2, 2, 3, 3, 3)),

response = c(2, 5, 4, 6, 9, 7, 3, 5, 8),

group = factor(c(1, 2, 3, 1, 2, 3, 1, 2, 3)),

se = c(0.4, 0.2, 0.4, 0.5, 0.3, 0.2, 0.4, 0.6, 0.7))

head(df) #查看数据集

##   treatment response group  se

## 1    1         2       1    0.4

## 2    1         5       2    0.2

## 3    1         4       3    0.4

## 4    2         6       1    0.5

## 5    2         9       2    0.3

## 6    2         7       3    0.2

# 使用geom_errorbar()绘制带有误差棒的条形图

# 这里一定要注意position要与`geom_bar()`保持一致，由于系统默认dodge是0.9，

# 因此geom_errorbar()里面position需要设置0.9，width设置误差棒的大小

ggplot(data = df, aes(x = treatment, y = response, fill = group)) +

geom_bar(stat = "identity", position = "dodge") +

geom_errorbar(aes(ymax = response + se, ymin = response -  se),

position = position_dodge(0.9), width = 0.15) +

scale_fill_brewer(palette = "Set1")

绘制带有显著性标记的条形图

label <- c("", "*", "**", "", "**", "*", "", "", "*") #这里随便设置的显著性，还有abcdef等显著性标记符号，原理一样，这里不再重复。

# 添加显著性标记跟上次讲的添加数据标签是一样的，这里我们假设1是对照

ggplot(data = df, aes(x = treatment, y = response, fill = group)) +

geom_bar(stat = "identity", position = "dodge") +

geom_errorbar(aes(ymax = response + se, ymin = response -  se),

position = position_dodge(0.9), width = 0.15) +

geom_text(aes(y = response +  1.5 * se, label = label, group = group),

position = position_dodge(0.9), size = 5, fontface = "bold") +

scale_fill_brewer(palette = "Set1") #这里的label就是刚才设置的，group是数据集中的，fontface设置字体。

绘制两条形图中间带有星号的统计图

#创建一个简单的数据集

Control <- c(2.0,2.5,2.2,2.4,2.1)

Treatment <- c(3.0,3.3,3.1,3.2,3.2)

mean <- c(mean(Control), mean(Treatment))

sd <- c(sd(Control), sd(Treatment))

df1 <- data.frame(V=c("Control", "Treatment"), mean=mean, sd=sd)

df1$V <- factor(df1$V, levels=c("Control", "Treatment"))

#利用geom_segment()绘制图形

ggplot(data=df1, aes(x=V, y=mean, fill=V))+

geom_bar(stat = "identity",position = position_dodge(0.9),color="black")+

geom_errorbar(aes(ymax=mean+sd, ymin=mean-sd), width=0.05)+

geom_segment(aes(x=1, y=2.5, xend=1, yend=3.8))+#绘制control端的竖线

geom_segment(aes(x=2, y=3.3, xend=2, yend=3.8))+#绘制treatment端竖线

geom_segment(aes(x=1, y=3.8, xend=1.45, yend=3.8))+

geom_segment(aes(x=1.55, y=3.8, xend=2, yend=3.8))+#绘制两段横线

annotate("text", x=1.5, y=3.8, label="〇", size=5)#annotate函数也可以添加标签

为图形添加标题

图形标题有图标题、坐标轴标题、图例标题等

p <- ggplot(data = df, aes(x = treatment, y = response, fill = group)) +

geom_bar(stat = "identity", position = "dodge") +

geom_errorbar(aes(ymax = response + se, ymin = response -  se),

position = position_dodge(0.9), width = 0.15) +

scale_fill_brewer(palette = "Set1")# 利用ggtitle()添加图标题,还有labs（）也可以添加标题，最后会提一下。（有一个问题就是ggtitle()添加的标题总是左对齐）

p + ggtitle("利用ggtitle()添加图标题")

# 利用xlab()\ylab()添加/修改坐标轴标题

p + ggtitle("利用ggtitle()添加图标题") +

xlab("不同处理") +

ylab("response") #标题的参数修改在theme里，theme是一个很大的函数，几乎可以定义一切，下次有时间会讲解

最后再讲解一下如何将多副图至于一个页面 利用包gridExtra中grid.arrange()函数实现

# 将四幅图放置于一个页面中

p <- ggplot(data = df, aes(x = treatment, y = response, fill = group)) +

geom_bar(stat = "identity", position = "dodge") +

geom_errorbar(aes(ymax = response + se, ymin = response -  se),

position = position_dodge(0.9), width = 0.15) +

scale_fill_brewer(palette = "Set1")

p1 <- p + ggtitle("利用ggtitle()添加图标题")

p2 <- p + ggtitle("利用ggtitle()添加图标题") + xlab("不同处理") + ylab("response")

p3 <- ggplot(data = df, aes(x = treatment, y = response, fill = group)) +

geom_bar(stat = "identity", position = "dodge") +

geom_errorbar(aes(ymax = response + se, ymin = response -  se),

position = position_dodge(0.9), width = 0.15) +

geom_text(aes(y = response +  1.5 * se, label = label, group = group),

position = position_dodge(0.9), size = 5, fontface = "bold") +

scale_fill_brewer(palette = "Set1")

library(gridExtra) #没有安装此包先用install.packages('gridExtra')安装

grid.arrange(p, p1, p2, p3)

上次有人问坐标轴旋转的实现，坐标轴旋转有时是很有用的，下面是我看过的一个例子，用来介绍一下。

#先加载他的数据

url.world_ports <- url("http://sharpsightlabs.com/wpcontent/datasets/world_ports.RData")

load(url.world_ports)

knitr::kable(df.world_ports[1:5,])#该数据是关于世界上各个港口的数据汇总

library(dplyr) #用于数据操作，与ggplot2一样是R语言必学包#现在绘制条形图(%>%上次说过是管道操作，用于连接各个代码，十分有用)

df.world_ports%>%filter(year==2014)%>% #筛选2014年的数据

ggplot(aes(x=reorder(port_label, desc(volume)), y=volume))+

geom_bar(stat = "identity", fill="darkred")+

labs(title="Busiest container ports in the world")+

labs(subtitle = '2014, in order of shipping volume')+ #添加副标题

labs(x = "Port", y = "Shipping\nVolume")+

theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = .4))#调整x轴标签，angle=90表示标签旋转90度，从图中可以看出

#现在旋转坐标轴，并筛选排名小于25的港口，并且添加数据标签

df.world_ports %>% filter(year==2014, rank<=25) %>% #筛选2014年并且rank小于等于25的数据

ggplot(aes(x=reorder(port, volume), y=volume))+

geom_bar(stat = "identity", fill="darkred")+

labs(title="Busiest container ports in the world")+

labs(subtitle = '2014, in order of shipping volume')+

labs(x = "Port", y = "Shipping\nVolume")+

geom_text(aes(label=volume), hjust=1.2, color="white")+

coord_flip()#旋转坐标轴

两图相比，明显第二幅图好，一是可以添加数据标签，二是不用歪着脖子看。
本来打算讲讲图例的但是发现内容太多了，就不讲了，下次吧！

　往期精彩内容整理合集　

公众号后台回复关键字即可学习

回复 R                  R语言快速入门及数据挖掘 
回复 Kaggle案例  Kaggle十大案例精讲（连载中）
回复 文本挖掘      手把手教你做文本挖掘
回复 可视化          R语言可视化在商务场景中的应用 
回复 大数据         大数据系列免费视频教程 
回复 量化投资      张丹教你如何用R语言量化投资 
回复 用户画像      京东大数据，揭秘用户画像
回复 数据挖掘     常用数据挖掘算法原理解释与应用
回复 机器学习     人工智能系列之机器学习与实践
回复 爬虫            R语言爬虫实战案例分享