其他
树状数据/层次数据可视化
💡专注R语言在🩺生物医学中的使用
树状结构的数据在生活中非常常见，比如层次聚类的结果，这种数据通常有一种包含关系，上面一层可以分为多个分支，每个分支又可以继续分。
这种数据的可视化方法非常多，今天介绍使用ggraph包可视化，功能很多，布局也很多，很多常见的网络图都是这个包画出来的。
加载R包
# libraries
library(ggraph)
## Loading required package: ggplot2
library(igraph)
##
## Attaching package: 'igraph'
## The following objects are masked from 'package:stats':
##
## decompose, spectrum
## The following object is masked from 'package:base':
##
## union
suppressPackageStartupMessages(library(tidyverse))
数据结构
数据结构一般是2列，表示从哪里到哪里。
比如下面这个例子，最上面是根节点origin，然后下面有7个分支，分别是group1到group5，每个group下面都有7个sub_group。
d1 <- data.frame(from="origin", to=paste("group", seq(1,7), sep=""))
d2 <- data.frame(from=rep(d1$to, each=7), to=paste("subgroup", seq(1,49), sep="_"))
edges <- rbind(d1, d2)
edges
## from to
## 1 origin group1
## 2 origin group2
## 3 origin group3
## 4 origin group4
## 5 origin group5
## 6 origin group6
## 7 origin group7
## 8 group1 subgroup_1
## 9 group1 subgroup_2
## 10 group1 subgroup_3
## 11 group1 subgroup_4
## 12 group1 subgroup_5
## 13 group1 subgroup_6
## 14 group1 subgroup_7
## 15 group2 subgroup_8
## 16 group2 subgroup_9
## 17 group2 subgroup_10
## 18 group2 subgroup_11
## 19 group2 subgroup_12
## 20 group2 subgroup_13
## 21 group2 subgroup_14
## 22 group3 subgroup_15
## 23 group3 subgroup_16
## 24 group3 subgroup_17
## 25 group3 subgroup_18
## 26 group3 subgroup_19
## 27 group3 subgroup_20
## 28 group3 subgroup_21
## 29 group4 subgroup_22
## 30 group4 subgroup_23
## 31 group4 subgroup_24
## 32 group4 subgroup_25
## 33 group4 subgroup_26
## 34 group4 subgroup_27
## 35 group4 subgroup_28
## 36 group5 subgroup_29
## 37 group5 subgroup_30
## 38 group5 subgroup_31
## 39 group5 subgroup_32
## 40 group5 subgroup_33
## 41 group5 subgroup_34
## 42 group5 subgroup_35
## 43 group6 subgroup_36
## 44 group6 subgroup_37
## 45 group6 subgroup_38
## 46 group6 subgroup_39
## 47 group6 subgroup_40
## 48 group6 subgroup_41
## 49 group6 subgroup_42
## 50 group7 subgroup_43
## 51 group7 subgroup_44
## 52 group7 subgroup_45
## 53 group7 subgroup_46
## 54 group7 subgroup_47
## 55 group7 subgroup_48
## 56 group7 subgroup_49
画图
首先转换数据为ggraph需要的格式。
mygraph <- graph_from_data_frame(edges)
ggraph(mygraph, layout = 'dendrogram', circular = FALSE) +
geom_edge_diagonal() +
geom_node_point() +
theme_void()
一个简单的树状图就画好了。接下来进行一些美化操作，看看这个包的强大之处。
美化
通过组合不同的布局和线型，可以得到非常多神奇的结果。比如大家比较喜欢的圆形布局。
theme_set(theme_void())
p1 <- ggraph(mygraph, layout = 'dendrogram', circular = T) +
geom_edge_diagonal()+
coord_fixed()
p2 <- ggraph(mygraph,layout = 'linear',circular=T) +
geom_edge_diagonal() +
geom_node_point()+
coord_fixed()
p3 <- ggraph(mygraph,layout = 'partition',circular=T) +
geom_node_arc_bar()+
coord_fixed()
p4 <- ggraph(mygraph,layout = 'circlepack') +
geom_node_circle()+
coord_fixed()
p5 <- ggraph(mygraph, 'circlepack') +
geom_edge_link() +
geom_node_point() +
coord_fixed()
p6 <- ggraph(mygraph, 'treemap') +
geom_node_tile()
p7 <- ggraph(mygraph, 'tree') +
geom_edge_diagonal()
p8 <- ggraph(mygraph, 'unrooted') +
geom_edge_link()+
coord_fixed()
p9 <- ggraph(mygraph, 'dendrogram', circular = TRUE) +
geom_edge_elbow() +
coord_fixed()
library(patchwork)
p1+p2+p3+p4+p5+p6+p7+p8+p9+plot_layout(ncol = 3)
如果给数据增加一些属性列，就会变成大家在论文中常见的各种图形了！
就是这么简单！
给节点安排一些属性信息，把这些信息放在另一个数据框里。
name <- unique(c(as.character(edges$from), as.character(edges$to)))
vertices <- data.frame(
name=name,
group=c(rep(NA,8) , rep( paste("group", seq(1,7), sep=""), each=7)),
cluster=sample(letters[1:4], length(name), replace=T),
value=sample(seq(10,30), length(name), replace=T)
)
vertices
## name group cluster value
## 1 origin <NA> b 19
## 2 group1 <NA> b 29
## 3 group2 <NA> d 17
## 4 group3 <NA> a 15
## 5 group4 <NA> b 23
## 6 group5 <NA> b 12
## 7 group6 <NA> b 20
## 8 group7 <NA> b 17
## 9 subgroup_1 group1 b 30
## 10 subgroup_2 group1 d 10
## 11 subgroup_3 group1 d 12
## 12 subgroup_4 group1 c 27
## 13 subgroup_5 group1 c 21
## 14 subgroup_6 group1 b 19
## 15 subgroup_7 group1 c 14
## 16 subgroup_8 group2 c 22
## 17 subgroup_9 group2 b 17
## 18 subgroup_10 group2 d 30
## 19 subgroup_11 group2 a 20
## 20 subgroup_12 group2 c 15
## 21 subgroup_13 group2 c 16
## 22 subgroup_14 group2 b 19
## 23 subgroup_15 group3 b 26
## 24 subgroup_16 group3 c 25
## 25 subgroup_17 group3 b 14
## 26 subgroup_18 group3 d 22
## 27 subgroup_19 group3 a 23
## 28 subgroup_20 group3 c 10
## 29 subgroup_21 group3 d 28
## 30 subgroup_22 group4 b 25
## 31 subgroup_23 group4 b 15
## 32 subgroup_24 group4 d 11
## 33 subgroup_25 group4 a 18
## 34 subgroup_26 group4 a 19
## 35 subgroup_27 group4 c 19
## 36 subgroup_28 group4 b 10
## 37 subgroup_29 group5 b 22
## 38 subgroup_30 group5 b 28
## 39 subgroup_31 group5 d 19
## 40 subgroup_32 group5 c 19
## 41 subgroup_33 group5 d 11
## 42 subgroup_34 group5 c 20
## 43 subgroup_35 group5 d 28
## 44 subgroup_36 group6 b 17
## 45 subgroup_37 group6 d 19
## 46 subgroup_38 group6 a 22
## 47 subgroup_39 group6 b 27
## 48 subgroup_40 group6 a 23
## 49 subgroup_41 group6 a 24
## 50 subgroup_42 group6 d 10
## 51 subgroup_43 group7 c 14
## 52 subgroup_44 group7 d 19
## 53 subgroup_45 group7 c 30
## 54 subgroup_46 group7 c 12
## 55 subgroup_47 group7 d 24
## 56 subgroup_48 group7 d 21
## 57 subgroup_49 group7 c 20
重新再画一下：
mygraph <- graph_from_data_frame(edges, vertices=vertices)
theme_set(theme_void())
p1 <- ggraph(mygraph, layout = 'dendrogram', circular = T) +
geom_edge_diagonal()+
geom_node_point(aes(filter=leaf, size=value, color=group), alpha=0.6) +
coord_fixed()
p2 <- ggraph(mygraph,layout = 'linear',circular=T) +
geom_edge_diagonal() +
geom_node_point(aes(color=cluster,size=value))+
coord_fixed()
p3 <- ggraph(mygraph,layout = 'partition',circular=T) +
geom_node_arc_bar(aes(fill=group))+
coord_fixed()
p4 <- ggraph(mygraph,layout = 'circlepack') +
geom_node_circle(aes(fill=cluster))+
coord_fixed()
p5 <- ggraph(mygraph, 'circlepack') +
geom_edge_link() +
geom_node_point(aes(colour = group,size=value)) +
coord_fixed()
p6 <- ggraph(mygraph, 'treemap') +
geom_node_tile(aes(fill=value))
p7 <- ggraph(mygraph, 'dendrogram') +
geom_edge_diagonal()+
geom_node_text(aes(label=name,filter=leaf,color=group), angle=90, hjust=1, nudge_y=-0.1) +
geom_node_point(aes(filter=leaf, size=value, color=group), alpha=0.6)
p8 <- ggraph(mygraph, 'unrooted') +
geom_edge_link()+
geom_node_point(aes(color=cluster,size=value))
coord_fixed()
p9 <- ggraph(mygraph, 'dendrogram', circular = TRUE) +
geom_edge_elbow() +
geom_node_point(aes(color=cluster),size=4)
coord_fixed()
library(patchwork)
p1+p2+p3+p4+p5+p6+p7+p8+p9+plot_layout(ncol = 3)
简单，喜欢哪种就用哪种，但是要注意，我们提供的信息是点的，并不是线条的，所以如果你想让线条也有属性映射的话，需要在最开始构建from-to数据时添加线条属性哦~
如果你还不会，可以参考另一篇推文：R语言生信图表学习之网络图
获取更多信息，欢迎加入🐧QQ交流群：613637742
“医学和生信笔记，专注R语言在临床医学中的使用、R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。
往期回顾
R语言可视化meta分析的文献质量评价
基于data.table的“tidyverse”？
使用mlr3搞定二分类资料的多个模型评价和比较
使用tidymodels搞定二分类资料多个模型评价和比较
你还不会画网络图？