【科研绘图系列】R语言绘制论文组图（multiple plots）

最新推荐文章于 2025-06-09 19:55:21 发布
最新推荐文章于 2025-06-09 19:55:21 发布
阅读量203 收藏
点赞数
分类专栏： SCI科研绘图系列 文章标签： r语言 数据分析 数据挖掘 数据可视化
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/H20230717/article/details/148493667
版权

禁止商业或二改转载，仅供自学使用，侵权必究，如需截取部分内容请后台联系作者!
在这里插入图片描述

文章目录

介绍

一个用于分析和可视化博茨瓦纳婴儿微生物组研究（Botswana Infant Microbiome Study）中呼吸道病毒和细菌数据的R脚本。代码的主要目的是生成论文中的Figure 1，包括三个子图（a、b、c），并保存相关的数据和图表。

代码结构和功能

  1. 初始化和数据加载

    • 清除环境变量并设置随机种子，确保结果的可重复性。
    • 加载必要的R包，包括phyloseq、tidyverse、ggplot2等，用于数据处理和可视化。
    • 定义颜色主题，使用wesanderson和RColorBrewer包生成颜色调色板，用于图表的美观。

  2. 数据预处理

    • 从CSV和RDS文件中加载元数据和
了解本专栏 订阅专栏 解锁全文
科研绘图系列：R语言多个精美图形组图
专注生信领域
07-09 1052
科研绘图系列：R语言多个精美图形组合图
300+SCI科研绘图系列教程（R和python）提供完整的数据和代码
专注生信领域
11-08 919
300+SCI科研绘图系列教程（R和python）提供完整的数据和代码
Python数据分析系列（九）：python可视化模块—利用Seaborn绘制图表
sodaloveer的博客
04-30 1402
Seaborn是基于matplotlib的2D绘图库。它在统计绘图方面更加方便易用，并且有自己预定义的样式。Seaborn并非用于替代matplotlib，而是对于数据分析等工作更加方便。
【可视化】基于matlab绘制分组或堆叠条形图
matlab_dingdang的博客
01-16 1283
分组或堆叠条形图是将数据按类别分组并以条形图的形式显示的一种图表。它可以帮助我们比较不同类别的数据，并了解它们之间的关系。分组或堆叠条形图通常用于显示分类数据，例如性别、年龄、收入等。分组或堆叠条形图有两种常见的类型：分组条形图和堆叠条形图。分组条形图将不同类别的条形图并排放置，而堆叠条形图将不同类别的条形图叠加在一起。分组条形图更适合于比较不同类别的数据，而堆叠条形图更适合于显示不同类别的数据在总数据中的占比。分组或堆叠条形图的优点在于它可以直观地显示数据，并且易于理解。
使用R-ggpubr进行“paper”组图合并，也许比PS，AI更简单
weixin_39556044的博客
08-08 1319
本文转载自微信公众号 “生信补给站”，https://mp.weixin.qq.com/s/41iKTulTwGcY-dHtqqSnLA 多个图形进行组图展示，可以既展示一个“事情”的多个角度，也可以进行异同的比较，同时也是发表论文所必须的。 可以利用PS或者AI进行处理，但是图形的大小，位置，布局，字体等的调整也不是一个小工程。本文利用R包 - ggpubr 函数从0开始介绍组图的合并方式，也许...
R语言与统计分析
热门推荐
小飞侠的博客
12-16 1万+
R语言与统计分析 汤银才 主编 高等教育出版社 二○○八年五月 内容介绍 本书以数据的常用统计分析方法为基础，在简明扼要地阐述统计学基本概 念、基本思想与基本方法的基础上，讲述与之相对应的R函数的实现，并通过 具体的例子说明统计问题求解的过程. 本书注重思想性、实用性和可操作性. 在内容的安排上不仅包含了基础统 计分析中的探索性数据分析、参数的估计与假设检验，还包括的非参数统计分...
R绘图 第三篇：布局（gridExtra）
weixin_34037977的博客
05-07 2862
在绘图时，有时候会遇到这样一种情景，客户想把多个代表不同KPI的图形分布到同一个画布(Page)上，而且每一个图形都是单独绘制的。对于这种需求，可以使用gridExtra包来实现，gridExtra包能把图形逐个地添加到画布中，并按照业务的需求，把图形摆放到合适的位置上去。在布局完成之后，把图形绘制出来。也就是说，gridExtra用于把几张图拼成一组图，可以把ggplot2绘制的多张图形组合到一...
Seaborn 绘制 21 种超实用精美图表
Python数据之道
11-07 2980
来源：云朵STUDIO导读：做过可视化的小伙伴们都会经常听到seaborn可视化，也有很多大佬平时使用的较多的可视化库，今天我们就来盘下他，看看他有多实在。这里为了方便大家后面去练习，所...
ggstatsplot绘图|统计+可视化，学术科研神器
weixin_39556044的博客
10-29 2250
本文首发于“生信补给站”公众号，https://mp.weixin.qq.com/s/zdSit97SOEpbnR18ARzixw 更多关于R语言，ggplot2绘图，生信分析的内容，敬请关注小号。 ggstatsplot是ggplot2包的扩展包，可以同时输出美观的图片和统计分析结果，对于经常做统计分析或者生信人来说非常有用。 一 准备数据 gapminder 数据集包含1952到2007年...
突破数据孤岛：StarRocks联邦查询实战指南
weixin_47233946的博客
06-04 690
1. **异构数据源整合**：统一访问Hive、Doris、MySQL等存储系统。3. **元数据智能缓存**：自动同步外部数据源的元数据信息。4. **混合查询加速**：结合本地表与外部表进行关联分析。1. **缓存策略**：配置Hive元数据自动刷新间隔。4. **多云协同**：统一管理跨云数据源的访问策略。2. **资源隔离**：设置单独资源组处理联邦查询。3. **AI增强**：基于机器学习的查询优化建议。2. **增量联邦**：支持CDC数据实时同步。- Hadoop集群（HDFS/YARN）
夏普比率（Sharpe ratio）​
EntropyLee的博客
06-04 559
我们可以想象一种极端情况，10年中，每年的收益都是10%，夏普值就是无穷大，因为收益完全稳定，没有任何波动，然而每月的收益又不完全相同，所以从每月的收益率来看，夏普值并不是无穷大的。实际上，有时候大涨并不算风险，大跌才是风险，比如基金净值，所以索提诺比率只考虑大跌的风险，这也可以看作是对夏普比率的一种修正方式。二是对比策略优劣的时候，周期要一致，例如，对比每日调仓的策略和每月调仓的策略，一定要换算到同一个周期上，才有可比性。可以看到，同样的收益率数据，使用不同的周期，计算出来的结果之间的差距非常大。
从0开始学习R语言--Day17--Cox回归
Chef_Chen的博客
06-06 358
协变量过多导致的过拟合（在训练数据上表现好但泛化能力差）、多重共线性（变量间高度相关，导致系数估计不稳定）以及统计功效降低（每个变量的效应可能被稀释）等问题，虽然不能直接修改cox的参数来改变，但是我们可以用曲线救国的方式，将风险转移或分割开来。但是我们得到的病人数据，往往会有很多的协变量，即使我们通过计算来减少指标对结果的影响，我们的数据中依然会有很多的协变量，且其之间还可能存在互相的影响以及合并症对结局的影响，也就是会导致研究的方向歪了。
【数据分析】R版IntelliGenes用于生物标志物发现的可解释机器学习
专注生信领域
06-06 1023
IntelliGenesR：基于多组学数据的可解释疾病预测工具 IntelliGenesR是IntelliGenes流程的R实现，通过整合转录组与临床数据，进行疾病预测和生物标志物发现。其核心流程包括： 特征选择：使用Pearson、卡方、ANOVA和递归特征消除（RFE）筛选差异基因。 模型训练：支持随机森林、SVM等7种分类器，输出性能指标（如ROC曲线、F1分数）。 I-Genes评分：结合SHAP值和HHI指数量化基因重要性，提供可解释的生物标志物排名。
RDMA简介3之四种子协议对比
tiantianuser的博客
06-04 417
RDMA协议包含四种实现方式：InfiniBand、RoCE（v1/v2）和iWARP。InfiniBand采用专用网络架构，性能最优但成本高昂；RoCE协议通过以太网承载IB协议，其中v1仅支持二层网络，v2基于UDP/IP可支持三层网络；iWARP基于TCP/IP实现，兼容性最好但资源消耗较大。从应用趋势看，兼顾成本与性能的RoCE v2正成为数据中心的主流选择。各协议在网络层级、硬件需求和部署成本方面存在显著差异。
StarRocks
jakeswang的博客
06-05 481
StarRocks 凭借其高性能、实时性和易用性，成为国内分析型数据库领域的重要选择，尤其适合需要兼顾实时数据处理和复杂查询的企业级场景。，专注于解决大规模数据分析和实时查询场景的需求。它基于 MPP（大规模并行处理）架构设计，具备高并发、低延迟、易扩展等特点，被广泛应用于数据分析、实时报表、用户行为分析、日志分析、金融风控等领域。强（原生支持星型 / 雪花模型）较强（支持宽表和部分关联）MPP + 向量化执行。MPP + 向量化执行。较好（需批量写入优化）兼容 MySQL 协议。兼容 MySQL 协议。
RKNN3588上部署 RTDETRV2
qianxun
06-05 956
这是 V2 的核心创新之一。的核心优势，并针对模型精度、训练效率和部署灵活性进行了全方位的显著提升，再次刷新了实时检测的SOTA（State-of-the-Art）水平。为模型提供了更丰富、更稳定的监督信号，尤其是在处理不同尺度的目标时，提升了训练的鲁棒性和最终精度。在保持甚至超越实时速度的前提下，显著提升在各种场景下的检测精度（平均精度均值 - AP）。显著加速了训练收敛速度（是训练提速的关键），并提升了检测精度，尤其是对小目标的检测能力。上都实现了领先的精度-速度权衡，验证了其卓越的部署灵活性。
RDMA简介5之RoCE v2队列
tiantianuser的博客
06-05 535
摘要：RoCE v2协议通过工作队列（WQ）和完成队列（CQ）实现数据传输控制，其中工作队列分为发送队列（SQ）和接收队列（RQ），二者组成队列对（QP）。数据传输时，应用程序提交工作请求（WR）生成WQE，网卡处理后产生CQE。五种操作类型中，RECEIVE仅作用于接收队列，而READ、WRITE、ATOMIC为单边操作。RoCE v2队列包括五种状态（RESET、INIT、RTR、RTS、ERROR），由状态机控制切换，决定队列的数据收发能力。不同状态下队列可执行的操作权限各异，ERROR状态表示队列失
驭码CodeRider 2.0全栈开发实战指南：从零构建现代化电商平台
最新发布
星之尘1021的博客
06-09 585
《驭码CodeRider 2.0全栈开发实战指南》基于SpringBoot3+Vue3+Redis7技术栈，完整演示电商平台开发全流程。核心亮点：1)智能代码生成，自动创建领域模型和REST API；2)包含秒杀系统设计、分布式事务解决方案等实战场景；3)提供JVM调优、SQL优化等14项性能提升方案；4)集成CI/CD流水线和K8s部署配置。附源码、压力测试脚本及监控方案，帮助开发者快速掌握现代化全栈开发技能。(250字)
matlab画多个散点图在同一块画布
12-26
### Matlab 中在同一图形窗口绘制多个散点图 为了实现在同一图形窗口内展示多个散点图的效果，可以利用 `subplot` 函数来创建子图布局或将不同数据集通过 `hold on` 命令叠加到同一个坐标轴上。下面介绍两种方法： #### 方法一：使用 subplot 创建子图 这种方法允许在一个图形窗口中排列多个独立的小图表。 ```matlab % 定义三组随机数作为示例数据 dataSet1_x = randn(100, 1); dataSet1_y = randn(100, 1); dataSet2_x = randn(100, 1)*2; dataSet2_y = randn(100, 1)+5; figure; % 新建一个图形对象 subplot(1, 2, 1); % 设置当前绘图为第一个位置上的子图 scatter(dataSet1_x, dataSet1_y,'filled'); % 绘制填充样式的第一组散点图 title('First Scatter Plot'); xlabel('X Axis Label'); ylabel('Y Axis Label'); subplot(1, 2, 2); % 切换至第二个位置继续绘图 scatter(dataSet2_x, dataSet2_y,'r','filled'); % 使用红色填充样式的第二组图 title('Second Scatter Plot with Different Scale'); xlabel('Another X Axis'); ylabel('Another Y Axis'); ``` 此代码片段展示了如何在单个图形窗口里并排放置两个具有不同尺度范围的散点图[^1]。 #### 方法二：使用 hold on 叠加散点图 当希望所有的散点都共享相同的坐标系时，则可采用这种方式，在原有基础上追加新的散点系列而不清除之前的图像。 ```matlab % 清除旧图以便重新开始 clf; % 预定义颜色向量用于区分各组数据点的颜色 colors = lines(length(dataSets)); for i=1:length(dataSets) scatter(dataSets{i}.x, dataSets{i}.y,... 'MarkerFaceColor', colors(i,:), ... 'MarkerEdgeColor','k',... 'LineWidth',1.5); if i==1 hold on;% 开启保持模式使得后续命令不会覆盖现有内容 end end legend({'Dataset A', 'Dataset B'},'Location','BestOutsidePlot') ; grid minor; xlabel('Common X-axis Title'); ylabel('Common Y-axis Title'); title('Multiple Overlaid Scatter Plots Within One Axes'); hold off;% 关闭保持状态恢复默认行为 ``` 上述脚本实现了将多组二维离散数据点集合呈现在统一视窗内的效果，并且每种类型的样本均采用了不同的色彩加以区别。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

生信学习者1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值