Lesson 06 for Plotting in R for Biologists

作者简介

taoyan：R语言中文社区特约作家，伪码农，R语言爱好者，爱开源。

个人博客: https://ytlogos.github.io/

前文传送门：

前面几节课绘制的图形只有条形图，但是我们科研过程中需要绘制各种各样的图形来展现我们的数据，这节课就主要讲一下利用ggplot2绘制各种图形，这也是ggplot2的魔力所在。相同的数据可以通过不同类型的图形来可视化。本节课主要将绘制以下几类图形：

• 条形图

• 直方图

• 散点图

• 箱线图

• 小提琴图

• 密度图

• 点状图

• 线图

• 饼图

• 韦恩图

数据加载清洗

library(tidyverse)

theme_set(theme_gray(base_size = 18))

my_data <- read.csv("variants_from_assembly.bed", sep = "\t", quote = '', stringsAsFactors = FALSE)

names(my_data) <- c("chrom","start","stop","name","size","strand","type","ref.dist","query.dist")

head(my_data)

##   chrom     start      stop name size strand      type ref.dist query.dist

## 1     6 102958468 102958469  SV2  317      + Insertion      -14        303

## 2     6 102741692 102741693  SV3  130      +  Deletion      130          0

## 3     6 102283759 102283760  SV4 1271      + Insertion      -12       1259

## 4     6 101194032 101194033  SV5 2864      + Insertion      -13       2851

## 5     6 101056644 101056645  SV6  265      + Insertion        0        265

## 6     6 100407499 100407500  SV7  334      + Insertion        0        334

summary(my_data$chrom)

##    Length     Class      Mode

##      9555 character character

#数据过滤

my_data <- my_data[my_data$chrom %in% c(seq(1:22), "X", "Y","MT"), ]

#染色体排序

my_data$chrom <- factor(my_data$chrom, levels = c(seq(1:22), "X", "Y","MT"))

#类型(type)排序

my_data$type <- factor(my_data$type, levels = c("Insertion","Deletion","Expansion","Contraction"))

head(my_data)

##   chrom     start      stop name size strand      type ref.dist query.dist

## 1     6 102958468 102958469  SV2  317      + Insertion      -14        303

## 2     6 102741692 102741693  SV3  130      +  Deletion      130          0

## 3     6 102283759 102283760  SV4 1271      + Insertion      -12       1259

## 4     6 101194032 101194033  SV5 2864      + Insertion      -13       2851

## 5     6 101056644 101056645  SV6  265      + Insertion        0        265

## 6     6 100407499 100407500  SV7  334      + Insertion        0        334

可视化

条形图

ggplot(my_data, aes(x=chrom, fill=type))+geom_bar()

直方图 

ggplot(my_data, aes(x=size, fill=type))+geom_histogram()

ggplot(my_data, aes(x=size, fill=type))+geom_histogram()+xlim(0,500)

ggplot(my_data, aes(x=size, fill=type))+geom_histogram(binwidth = 5)+xlim(0,500)

散点图

#将type映射给颜色

ggplot(my_data, aes(x=ref.dist, y=query.dist, color=type))+geom_point()

ggplot(my_data, aes(x=ref.dist, y=query.dist, color=type))+geom_point()+xlim(-500,500)+ylim(-500,500)

#将数值型变量size映射给颜色

ggplot(my_data, aes(x=ref.dist, y=query.dist, color=size))+geom_point()+xlim(-500,500)+ylim(-500,500)   

ggplot(my_data, aes(x=ref.dist, y=query.dist,color=size))+geom_point()+xlim(-500,500)+ylim(-500,500)+scale_color_gradient(limits=c(0, 500))

箱线图

ggplot(my_data, aes(type, y=size))+geom_boxplot()

ggplot(my_data, aes(x=type, y=size, fill=type))+geom_boxplot()

ggplot(my_data, aes(x=type, y=size, fill=type))+geom_boxplot()+coord_flip()

小提琴图

ggplot(my_data, aes(x=type, y=size, fill=type))+geom_violin()+ylim(0,1000)+guides(fill=FALSE)

ggplot(my_data, aes(x=type, y=size, fill=type))+geom_violin(adjust=0.2)+ylim(0,1000)+guides(fill=FALSE)#adjust调整分辨率，默认为1，值越低，分辨率越高

#坐标变换

ggplot(my_data, aes(x=type, y=size, fill=type))+geom_violin()+scale_y_log10()

密度图

ggplot(my_data, aes(x=size, fill=type))+geom_density()+xlim(0,500)

ggplot(my_data, aes(x=size, fill=type))+geom_density(position = "stack")+xlim(0,500)

ggplot(my_data, aes(x=size, fill=type))+geom_density(alpha=0.5)+xlim(0,500)

#图形分面

ggplot(my_data, aes(x=size, fill=type))+geom_density()+xlim(0,500)+facet_grid(type~.)

点状图

ggplot(my_data, aes(x=size, fill=type))+geom_dotplot()

线图

time_cource <- read.csv("time_course_data.txt", sep = ",", quote = '', stringsAsFactors = TRUE, header = TRUE)

head(time_cource)

##   seconds value sample

## 1       0  0.00      A

## 2       1  5.97      A

## 3       2 13.42      A

## 4       3 56.08      A

## 5       4 98.04      A

## 6       5 27.11      A

ggplot(time_cource, aes(x=seconds, y=value, color=sample))+geom_line()

ggplot(time_cource, aes(x=seconds, y=value, color=sample))+geom_line(size=3)  

饼图

type_counts <- summary(my_data$type)

type_counts

##   Insertion    Deletion   Expansion Contraction

##        3141        2256        2476        1674

library(RColorBrewer)

pie(type_counts, col = brewer.pal(length(type_counts), "Set1"))

韦恩图

这里利用四个基因集

listA <- read.csv("genes_list_A.txt", header = FALSE)

A <- listA$V1

listB <- read.csv("genes_list_B.txt", header = FALSE)

B <- listB$V1

listC <- read.csv("genes_list_C.txt", header = FALSE)

C <- listC$V1

listD <- read.csv("genes_list_D.txt", header = FALSE)

D <- listD$V1

library(VennDiagram)

#注意这个包绘制的图只能直接保存在文件中，无法实时显示

venn.diagram(list(A=A, B=B, C=C, D=D), fill=c("yellow","red","cyan","forestgreen"), cex=1.5, filename = "Venn_diagram_genes_4.png")   

SessionInfo

sessionInfo()

## R version 3.4.3 (2017-11-30)

## Platform: x86_64-w64-mingw32/x64 (64-bit)

## Running under: Windows 10 x64 (build 16299)

##

## Matrix products: default

##

## locale:

## [1] LC_COLLATE=Chinese (Simplified)_China.936

## [2] LC_CTYPE=Chinese (Simplified)_China.936  

## [3] LC_MONETARY=Chinese (Simplified)_China.936

## [4] LC_NUMERIC=C                              

## [5] LC_TIME=Chinese (Simplified)_China.936    

##

## attached base packages:

## [1] grid      stats     graphics  grDevices utils     datasets  methods  

## [8] base    

##

## other attached packages:

##  [1] VennDiagram_1.6.18  futile.logger_1.4.3 RColorBrewer_1.1-2

##  [4] forcats_0.2.0       stringr_1.2.0       dplyr_0.7.4        

##  [7] purrr_0.2.4         readr_1.1.1         tidyr_0.7.2        

## [10] tibble_1.4.2        ggplot2_2.2.1.9000  tidyverse_1.2.1    

##

## loaded via a namespace (and not attached):

##  [1] reshape2_1.4.3       haven_1.1.1          lattice_0.20-35    

##  [4] colorspace_1.3-2     htmltools_0.3.6      yaml_2.1.16        

##  [7] rlang_0.1.6          pillar_1.1.0         foreign_0.8-69      

## [10] glue_1.2.0           lambda.r_1.2         modelr_0.1.1        

## [13] readxl_1.0.0         bindrcpp_0.2         bindr_0.1          

## [16] plyr_1.8.4           munsell_0.4.3        gtable_0.2.0        

## [19] cellranger_1.1.0     rvest_0.3.2          psych_1.7.8        

## [22] evaluate_0.10.1      labeling_0.3         knitr_1.18          

## [25] parallel_3.4.3       broom_0.4.3          Rcpp_0.12.15        

## [28] scales_0.5.0.9000    backports_1.1.2      jsonlite_1.5        

## [31] mnormt_1.5-5         hms_0.4.1            digest_0.6.14      

## [34] stringi_1.1.6        rprojroot_1.3-2      cli_1.0.0          

## [37] tools_3.4.3          magrittr_1.5         lazyeval_0.2.1      

## [40] futile.options_1.0.0 crayon_1.3.4         pkgconfig_2.0.1    

## [43] xml2_1.2.0           lubridate_1.7.1      assertthat_0.2.0    

## [46] rmarkdown_1.8        httr_1.3.1           rstudioapi_0.7      

## [49] R6_2.2.2             nlme_3.1-131         compiler_3.4.3

　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