一条命令轻松绘制CNS顶级配图-ggpubr
本文转载自“EasyChart”，己获授权。本平台编辑对内容进行测试、修改和补充。
Hadley Wickham创建的可视化包ggplot2可以流畅地进行优美的可视化，但是如果要通过ggplot2定制一套图形，尤其是适用于杂志期刊等出版物的图形，对于那些没有深入了解ggplot2的人来说就有点困难了，ggplot2的部分语法是很晦涩的。为此Alboukadel Kassambara创建了基于ggplot2的可视化包ggpubr用于绘制符合出版物要求的图形。
安装及加载ggpubr包
# 直接从CRAN安装
install.packages("ggpubr", repo="http://cran.us.r-project.org")
# 从GitHub上安装最新版本
install.packages("devtools", repo="http://cran.us.r-project.org")
library(devtools)
install_github("kassambara/ggpubr")
# 安装完之后直接加载就行：
library(ggpubr)ggpubr可绘制图形
ggpubr可绘制大部分我们常用的图形，下面逐个介绍。
分布图(Distribution)
带有均值线和地毯线的密度图
#构建数据集
set.seed(123)
df <- data.frame( sex=factor(rep(c("f", "M"), each=200)),
weight=c(rnorm(200, 55), rnorm(200, 58)))
# 预览数据格式
head(df)
# 绘制密度图
ggdensity(df, x="weight", add = "mean", rug = TRUE, color = "sex", fill = "sex",
palette = c("#00AFBB", "#E7B800"))图1. 密度图展示不同性别分组下体重的分布，X轴为体重，Y轴为自动累计的密度，X轴上添加地毯线进一步呈现样本的分布；按性别分别组标记轮廓线颜色，再按性别填充色展示各组的分布，使用palette自定义颜色，是不是很舒服。
带有均值线和边际地毯线的直方图
gghistogram(df, x="weight", add = "mean", rug = TRUE, color = "sex", fill = "sex",
palette = c("#00AFBB", "#E7B800"))
图2. 带有均值线和边际地毯线的直方图，只是把密度比例还原为了原始数据counts值
箱线/小提琴图(barplot/violinplot)
箱线图+分组形状+统计
#加载数据集ToothGrowth
data("ToothGrowth")
df1 <- ToothGrowth
head(df1)
p <- ggboxplot(df1, x="dose", y="len", color = "dose",
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
add = "jitter", shape="dose")#增加了jitter点，点shape由dose映射
p
图3. 箱线图按组着色，同时样本点标记不同形状可以一步区分组或批次
箱线图+分组形状+统计
# 增加不同组间的p-value值，可以自定义需要标注的组间比较
my_comparisons <- list(c("0.5", "1"), c("1", "2"), c("0.5", "2"))
p+stat_compare_means(comparisons = my_comparisons)+ #不同组间的比较
stat_compare_means(label.y = 50)
图4. stat_compare_means添加组间比较连线和统计P值
内有箱线图的小提琴图+星标记
ggviolin(df1, x="dose", y="len", fill = "dose",
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
add = "boxplot", add.params = list(fill="white"))+
stat_compare_means(comparisons = my_comparisons, label = "p.signif")+#label这里表示选择显著性标记（星号）
stat_compare_means(label.y = 50)
图5. ggviolin绘制小提琴图， add = “boxplot”中间再添加箱线图，stat_compare_means中，设置lable=”p.signif”，即可添加星添加组间比较连线和统计P值按星分类。
条形/柱状图(barplot)
data("mtcars")
df2 <- mtcars
df2$cyl <- factor(df2$cyl)
df2$name <- rownames(df2) #添加一行name
head(df2[, c("name", "wt", "mpg", "cyl")])
ggbarplot(df2, x="name", y="mpg", fill = "cyl", color = "white",
palette = "npg", #杂志nature的配色
sort.val = "desc", #下降排序
sort.by.groups=FALSE, #不按组排序
x.text.angle=60)
图6. 柱状图展示不同车的速度，按cyl为分组信息进行填充颜色，颜色按nature配色方法(支持 ggsci包中的本色方案，如: “npg”, “aaas”, “lancet”, “jco”, “ucscgb”, “uchicago”, “simpsons” and “rickandmorty”)，按数值降序排列。
# 按组进行排序
ggbarplot(df2, x="name", y="mpg", fill = "cyl", color = "white",
palette = "aaas", #杂志Science的配色
sort.val = "asc", #上升排序,区别于desc，具体看图演示
sort.by.groups=TRUE,x.text.angle=60) #按组排序 x.text.angle=90
图7. 由上图中颜色改为Sciences配色方案(为什么感觉nature和sciences的配色方案没有文章里的看着舒服呢？)，按组升序排布，且调整x轴标签60度角防止重叠。
偏差图
偏差图展示了与参考值之间的偏差
df2$mpg_z <- (df2$mpg-mean(df2$mpg))/sd(df2$mpg) # 相当于Zscore标准化，减均值，除标准差
df2$mpg_grp <- factor(ifelse(df2$mpg_z<0, "low", "high"), levels = c("low", "high"))
head(df2[, c("name", "wt", "mpg", "mpg_grp", "cyl")])
ggbarplot(df2, x="name", y="mpg_z", fill = "mpg_grp", color = "white",
palette = "jco", sort.val = "asc", sort.by.groups = FALSE,
x.text.angle=60, ylab = "MPG z-score", xlab = FALSE, legend.title="MPG Group")
图8. 基于Zscore的柱状图，就是原始值减均值，再除标准差。按jco杂志配色方案，升序排列，不按组排列。
坐标轴变换
ggbarplot(df2, x="name", y="mpg_z", fill = "mpg_grp", color = "white",
palette = "jco", sort.val = "desc", sort.by.groups = FALSE,
x.text.angle=90, ylab = "MPG z-score", xlab = FALSE,
legend.title="MPG Group", rotate=TRUE, ggtheme = theme_minimal()) # rotate设置x/y轴对换
图9. rotate=TRUE翻转坐标轴，柱状图秒变条形图
棒棒糖图(Lollipop chart)
棒棒图可以代替条形图展示数据
ggdotchart(df2, x="name", y="mpg", color = "cyl",
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
sorting = "ascending",
add = "segments", ggtheme = theme_pubr())
图10. 柱状图太多了单调，改用棒棒糖图添加多样性
更多参数的设置
ggdotchart(df2, x="name", y="mpg", color = "cyl",
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
sorting = "descending", add = "segments", rotate = TRUE,
group = "cyl", dot.size = 6,
label = round(df2$mpg), font.label = list(color="white",
size=9, vjust=0.5), ggtheme = theme_pubr())
图11. 棒棒糖图简单调整，rotate = TRUE转换坐标轴， dot.size = 6调整糖的大小，label = round()添加糖心中的数值，font.label进一步设置字体样式
棒棒糖偏差图
ggdotchart(df2, x="name", y="mpg_z", color = "cyl",
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
sorting = "descending", add = "segment",
add.params = list(color="lightgray", size=2),
group = "cyl", dot.size = 6, label = round(df2$mpg_z, 1),
font.label = list(color="white", size=9, vjust=0.5),
ggtheme = theme_pubr())+ geom_line(yintercept=0, linetype=2, color="lightgray")
图12. 同柱状图类似，用Z-score的值代替原始值绘图。
Cleveland点图
ggdotchart(df2, x="name", y="mpg", color = "cyl",
palette = c("#00AFBB", "#E7B800", "#FC4E07"),
sorting = "descending",
rotate = TRUE, dot.size = 2, y.text.col=TRUE,
ggtheme = theme_pubr())+ theme_cleveland()图13. theme_cleveland()主题可设置为Cleveland点图样式
我测试的工作环境
sessionInfo()
R version 3.4.1 (2017-06-30)
Platform: x86_64-pc-linux-gnu (64-bit)
Running under: Ubuntu 16.04.3 LTS
Matrix products: default
BLAS: /usr/lib/openblas-base/libblas.so.3
LAPACK: /usr/lib/libopenblasp-r0.2.18.so
locale:
[1] LC_CTYPE=en_US.UTF-8 LC_NUMERIC=C LC_TIME=en_US.UTF-8 LC_COLLATE=en_US.UTF-8
[5] LC_MONETARY=en_US.UTF-8 LC_MESSAGES=en_US.UTF-8 LC_PAPER=en_US.UTF-8 LC_NAME=C
[9] LC_ADDRESS=C LC_TELEPHONE=C LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] bindrcpp_0.2 ggpubr_0.1.6.999 magrittr_1.5 ggplot2_2.2.1 devtools_1.13.4
loaded via a namespace (and not attached):
[1] Rcpp_0.12.14 bindr_0.1 munsell_0.4.3 colorspace_1.3-2 R6_2.2.2 rlang_0.1.4 httr_1.3.1
[8] plyr_1.8.4 dplyr_0.7.4 tools_3.4.1 grid_3.4.1 gtable_0.2.0 git2r_0.19.0 withr_2.1.0
[15] lazyeval_0.2.1 digest_0.6.12 assertthat_0.2.0 tibble_1.3.4 ggsignif_0.4.0 ggsci_2.8 purrr_0.2.4
[22] curl_3.0 memoise_1.1.0 glue_1.2.0 labeling_0.3 compiler_3.4.1 scales_0.5.0 pkgconfig_2.0.1猜你喜欢
写在后面
为促进读者交流、加速科学问题解决，我们建立了“宏基因组”专业讨论群，目前己有八百多名一线科研人员加入。参与讨论，获得专业指导、问题解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职务”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论。问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”