R折线图（自备）

已于 2024-03-26 15:30:13 修改
阅读量1.5k 收藏 21
点赞数 27
文章标签： r语言 开发语言 数据可视化
于 2024-03-26 15:28:55 首次发布
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/hx2024/article/details/137033833
版权

目录

折线图基础

创建散点和折线图

复杂折现加图例

折线图+柱状图

数据处理

进行差异检验

基础绘图折线

基础绘图箱线

进行合并

双轴柱状与折线图

数据

折线图基础
创建散点和折线图
rm(list = ls()) 
opar <-par(no.readonly=TRUE)##自带orange数据集
par(mfrow=c(1,2))#拼图
t1 <-subset(Orange,Tree==1)##提取使用数据集
head(t1)
head(t1)
  Tree  age circumference
1    1  118            30
2    1  484            58
3    1  664            87
4    1 1004           115
5    1 1231           120
6    1 1372           142
##散点图
p1 <- plot(t1$age,t1$circumference,
     xlab="Age(days)",
     ylab="Circumference(mm)",
     main="Orange Tree 1 Growth")#标题
p1
##折线图
p2 <-plot(t1$age,t1$circumference,
     xlab="Age(days)",
     ylab="Circumference(mm)",
     main="Orange Tree 1 Growth",
     type = "b")#标题
p2

折线图绘制参数：plot(x,y,type=)         lines(x,y,type=)

复杂折现加图例
#使用ggplot 绘制折线图#
data <- Orange

head(Orange)
Tree  age circumference
1    2  118            30
2    2  484            58
3    2  664            87
4    2 1004           115
5    2 1231           120
6    2 1372           142

p <- ggplot(data = Orange, aes(x=age, y=circumference, linetype=Tree, color=Tree)) +
  geom_point() + 
  geom_line(lwd = 1) + 
  scale_color_brewer(palette = "Set1") + ##颜色配色https://zhuanlan.zhihu.com/p/657907907
  labs(title = "Orange Tree Growth", x = "Age(days)", y = "Circumference(mm)") + 
  theme_bw() +
  theme(legend.position = c(0.2,0.8)) ##"right" 图例位置

p

折线图+柱状图

感谢R语言ggplot2 | 学习Nature文章精美配图 | 折线图 | 柱状图 | 误差棒 | 灰色背景 | 图片叠加 - 知乎 (zhihu.com)

数据：https://static-content.springer.com/esm/art%3A10.1038%2Fs41586-021-04194-8/MediaObjects/41586_2021_4194_MOESM11_ESM.xlsx

接受不同处理的HFD喂养小鼠的体重变化：非SMK（n = 37），SMK（n = 38），非SMK + abx（n = 40）和SMK + abx（n = 39）。从四个独立的重复序列中汇总的结果。最后一天，进行单因素方差分析（ANOVA）和Sidak校正;插图显示了烟雾暴露（暴露）或停止烟雾暴露（停止）会话、单因素方差分析和 Sidak 校正时的曲线下面积 （iAUC） 权重变化增量。

下载数据进行处理：R语言长款数据转换（自备）_r语言宽数据变成长数据-CSDN博客

数据处理

rm(list = ls()) 
library(tidyverse) 
library(reshape2)
data <- read.csv('Nature data.CSV',header = T)
head(data) 
##折线图转换为长数据：[1] "treat"  "Day"    "value1" "value2" "value3"
#根据"treat"分组  "Day"（也是X轴内容）转换为长数据，将value合并为1列
data1 <- data[,c(1:5)] %>% 
  melt(id=c('treat','Day'))

##折线误差棒errorbar上下误差位置
topbar <- function(x){      
  return(mean(x)+sd(x)/sqrt(length(x))) #误差采用了mean+-sem
}
bottombar <- function(x){
  return(mean(x)-sd(x)/sqrt(length(x)))
}
head(data1)
    treat Day variable value
1 Non_SMK   0   value1   0.0
2 Non_SMK   7   value1   6.7
3 Non_SMK  14   value1  14.0
4 Non_SMK  21   value1  15.6
5 Non_SMK  28   value1  24.0
6 Non_SMK  35   value1  30.0
进行差异检验

连续性变量的组间差异分析_连续变量和连续变量差异性分析-CSDN博客

##检验测试##
tdat <- data[,c(1:5)]
tdat$mean <- rowMeans(select(tdat,c(3:5)))##计算第3-5行的均值，可以用于计算相关性
#单因素方差分析#
race.aov <-aov(mean ~treat,data = tdat)
summary(race.aov)
#Df Sum Sq Mean Sq F value Pr(>F)
#treat        3  751.2   250.4    2.09  0.134
#Residuals   20 2396.6   119.8   

##两组间最后一组数据t检验## 
group1 <- tdat[tdat$treat =="Non_SMK+abx"& tdat$Day=="35",c(3:5)]
group2 <- tdat[tdat$treat =="SMK+abx" & tdat$Day=="35",c(3:5)]
t.test(group1,group2,var.equal =TRUE)
#t = 12.267, df = 4, p-value = 0.0002536  ****

group3 <- tdat[tdat$treat =="SMK"& tdat$Day=="35",c(3:5)]
t.test(group2,group3,var.equal =TRUE)#一样的
#t = -7.4158, df = 4, p-value = 0.001765 ***
基础绘图折线
#绘图赋值为p
p0 <- ggplot(data1,aes(x=Day,y=value,color=treat))+#Day为X，value值为Y，分组颜色treat
  geom_rect(aes(xmin=21,xmax=40,ymin=(-Inf),ymax=Inf),##后半部分色块设置
            fill='grey90',color='grey90')+
  geom_vline(xintercept =21,linetype=2,cex=1.2)+            #添加虚线
  stat_summary(geom = 'line',fun='mean',cex=2.5)+           #折线
  stat_summary(geom = 'errorbar',                           #误差磅
               fun.min = bottombar,fun.max = topbar,
               width=1,cex=0.8,aes(color=treat))+
  stat_summary(geom = 'point',fun='mean',aes(fill=treat),   #点
               size=5,pch=21,color='black')+
  theme_classic(base_size = 15)+
  theme(legend.position = 'none')#top
p0

##点的颜色修改以及显著性标记的添加##
p1 <- p0+
  scale_color_manual(values = c('#5494cc','#0d898a','#e18283','#f9cc52'))+##线条的颜色
  scale_fill_manual(values = c('red','#0d898a','#e18283','white'))+ ##点的颜色
  scale_y_continuous(breaks = seq(0,60,20),expand = c(0,0))+              #Y轴范围
  scale_x_continuous(breaks = seq(0,40,10),expand = c(0,0))+              #X轴范围
  labs(y='Weight change(%)')+
  theme(axis.line = element_line(size = 1),                               #线条设置
        axis.text = element_text(color = 'black'),
        axis.ticks = element_line(size = 1,color='black'))+
  annotate(geom = 'segment',x=36.2,xend=36.2,y=18,yend=26,cex=1.2)+       ##显著性标注设置-线段
  annotate(geom = 'text',label='***',x=37.5,y=22,size=7,angle=90)+        ##显著性标注设置-数值或***
  annotate(geom = 'segment',x=38,xend = 38,y=18,yend = 40,cex=1.2)+
  annotate(geom = 'text',label='****',x=39.5,y=29,size=7,angle=90)
p1

##折线图图列的添加并且修改了图例形状##
linechart <- p1+
  coord_cartesian(clip = 'off',ylim = c(0,60),xlim = c(0,40))+
  theme(plot.margin = margin(1.5,0.5,0.5,0.5,'cm'))+
  geom_rect(aes(xmin=0,xmax=3,ymin=63,ymax=65),fill='#5494cc',color='black')+
  geom_rect(aes(xmin=10,xmax=13,ymin=63,ymax=65),fill='#0d898a',color='black')+
  geom_rect(aes(xmin=20,xmax=23,ymin=63,ymax=65),fill='#e18283',color='black')+
  geom_rect(aes(xmin=30,xmax=33,ymin=63,ymax=65),fill='#f9cc52',color='black')+
  annotate('text',x=6,y=64,label='Non-SMK',size=4)+
  annotate('text',x=15.2,y=64,label='SMK',size=4)+
  annotate('text',x=26.4,y=64,label='Non-SMK+\nabx',size=4)+
  annotate('text',x=36,y=64,label='SMK+abx',size=4)
linechart

基础绘图箱线
##提取箱线图数据
data2 <- data[,6:9] %>% 
  gather(key = treat)
head(data2)
data3 <- data[,10:13] %>% 
  gather(key = treat)

#左边柱状图：
leftchart <- ggplot(data2,aes(factor(treat,levels = c('SMK.abx','Non_SMK.abx','SMK','Non_SMK')),
                               value))+
    stat_summary(geom = 'bar',fun = 'mean',fill='white',color='black',width=0.7,cex=1)+
    stat_summary(geom = 'errorbar',
                 fun.min = bottombar,fun.max = topbar,
                 width=0.3,cex=0.8,color='black')+
    geom_jitter(aes(color=factor(treat,levels = c('SMK.abx','Non_SMK.abx','SMK','Non_SMK'))),
                width = 0.1,size=1.5)+
    scale_color_manual(values = c('#f9cc52','#0d898a','#e18283','#5494cc'))+
    labs(x=NULL,y=NULL)+
    scale_y_continuous(limits = c(-40,600),expand = c(0,0))+
    geom_hline(yintercept =0,cex=1)+
    theme_classic(base_size = 15)+
    theme(axis.ticks.y = element_blank(),
          axis.text.y= element_blank(),
          legend.position = 'none',
          axis.line = element_line(size = 1),
          axis.text = element_text(color = 'black'),
          axis.ticks = element_line(size = 1,color='black'))+
    coord_flip()+
    annotate(geom = 'segment',x=1,xend=2,y=530,yend=530,cex=1.2)+
    annotate(geom = 'text',label='****',x=1.5,y=570,size=6,angle=90)+
    annotate(geom = 'segment',x=3,xend =4,y=370,yend =370,cex=1.2)+
    annotate(geom = 'text',label='****',x=3.5,y=410,size=6,angle=90))
leftchart

#右边柱状图：
rightchart <- ggplot(data3,aes(factor(treat,levels = c('SMK.abx.1','Non_SMK.abx.1','SMK.1','Non_SMK.1')),
                               value))+
  stat_summary(geom = 'bar',fun = 'mean',fill='white',color='black',width=0.7,cex=1)+
  stat_summary(geom = 'errorbar',
               fun.min = bottombar,fun.max = topbar,
               width=0.3,cex=0.8,color='black')+
  geom_jitter(aes(color=factor(treat,levels = c('SMK.abx.1','Non_SMK.abx.1','SMK.1','Non_SMK.1'))),
              width = 0.1,size=1.5)+
  scale_color_manual(values = c('#f9cc52','#0d898a','#e18283','#5494cc'))+
  labs(x=NULL,y=NULL)+
  scale_y_continuous(limits = c(-40,500),expand = c(0,0))+
  geom_hline(yintercept =0,cex=1)+
  theme_classic(base_size = 15)+
  theme(axis.ticks.y = element_blank(),
        axis.text.y= element_blank(),
        legend.position = 'none',
        axis.line = element_line(size = 1),
        axis.text = element_text(color = 'black'),
        axis.ticks = element_line(size = 1,color='black'),
        plot.background = element_rect(fill = "transparent",colour = NA),
        panel.background = element_rect(fill = "transparent",colour = NA))+
  coord_flip()+
  annotate(geom = 'segment',x=1,xend=2,y=420,yend=420,cex=1.2)+
  annotate(geom = 'text',label='****',x=1.5,y=460,size=6,angle=90)+
  annotate(geom = 'segment',x=3,xend =4,y=430,yend =430,cex=1.2)+
  annotate(geom = 'text',label='****',x=3.5,y=470,size=6,angle=90)
rightchart

进行合并
#要叠加的图片先用ggplotGrob()函数处理：
leftchart <- ggplotGrob(leftchart)
rightchart <- ggplotGrob(rightchart)

#叠加绘图：
linechart+
  annotation_custom(leftchart,xmin=0,xmax=20.5,ymin=40,ymax=57)+
  annotation_custom(rightchart,xmin=21,xmax=39.5,ymin=40,ymax=57)+
  annotate('text',label='iAUC: Exposure',x=10.5,y=58.5,size=7)+
  annotate('text',label='iAUC: Cessation',x=31,y=58.5,size=7)

感谢：“R语言ggplot2科研绘图”的代码，本文主要是复现流程和差异计算补充！！

双轴柱状与折线图

Nature图表复现｜双轴柱状与折线图 (qq.com)

数据

rm(list = ls()) 
library(tidyverse)
library(gapminder)
library(Hmisc)
library(gapminder)

data <- gapminder
##提取continent=="Asia"的数据
df <- data %>% filter(continent=="Asia") %>% 
  select(1,3,4,6) %>% mutate(year=as.character(year))

p <- ggplot() +
  stat_summary(data=df, aes(year, lifeExp), fun = "mean", geom = "bar", alpha = 0.7, fill="#00A08A") +
  # 添加预期寿命（lifeExp）的误差条
  stat_summary(data=df, aes(year, lifeExp), fun.data = "mean_cl_normal", geom = "errorbar", width = .2, color="#00A08A") +
  # 添加人均GDP（gdpPercap）的误差条
  stat_summary(data=df %>% mutate(gdpPercap=gdpPercap/20), aes(year, gdpPercap), fun = mean, geom = "errorbar", width=.2, color="#F98400",
               fun.max = function(x) mean(x) + sd(x) / sqrt(length(x)),
               fun.min = function(x) mean(x) - sd(x) / sqrt(length(x))) +
  # 添加人均GDP（gdpPercap）的平均值点
  stat_summary(data=df %>% mutate(gdpPercap=gdpPercap/20), aes(year, gdpPercap), fun = "mean", geom = "point", size=3, color="#F98400") +
  # 添加人均GDP（gdpPercap）的平均值线
  stat_summary(data=df %>% mutate(gdpPercap=gdpPercap/20), aes(year, gdpPercap, group=1), fun = "mean", geom = "line", color="#F98400") +
  # 设置y轴的比例和标签
  scale_y_continuous(expand = c(0, 1), breaks = scales::pretty_breaks(n = 12),
                     sec.axis = sec_axis(~. * 20, breaks = scales::pretty_breaks(n = 12),
                                         name = "gdpPercap")) +
  # 应用主题
  theme_test() +
  # 自定义主题设置
  theme(panel.background = element_blank(),
        axis.ticks.length.x.bottom = unit(-0.05, "in"),
        axis.ticks.length.y.left = unit(-0.05, "in"),
        axis.ticks.length.y.right = unit(-0.05, "in"),
        axis.line.y.left = element_line(color="#00A08A"),
        axis.line.y.right = element_line(color="#F98400"),
        axis.line.x.bottom = element_line(color="black"),
        axis.line.x.top = element_line(color="grey80"),
        axis.text.y.right = element_text(color="#F98400", margin = margin(l = 5, r = 10)),
        axis.text.y.left = element_text(color="#00A08A", margin = margin(l = 10, r = 5)),
        axis.title.y.left = element_text(color="#00A08A", face="bold"),
        axis.title.y.right = element_text(color="#F98400", face="bold"),
        axis.title.x.bottom = element_blank())
p
dev.off()

参考：

1：《R语言实战手册》

2：Gut microbiota modulates weight gain in mice after discontinued smoke exposure

hx2024
关注
  • 27
    点赞
  • 踩
  • 21
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
折线图与箱线图R语言代码.rar_R 图_数据描述性分析；R语言_箱线图_箱线图代码
09-20
画图:R语言画折线图和箱线图，包括案例和对应的R语言代码，代码中地址需要自行修改后使用
R语言中级绘图：折线图
weixin_42712867的博客
08-29 5135
折线图 数据使用基础安装中的Orange数据集为例，它包含五中橘树的树龄和年轮数据 head(Orange) Grouped Data: circumference ~ age | Tree Tree age circumference 1 1 118 30 2 1 484 58 3 1 664 87...
使用R语言绘制折线图
qq_63606575的博客
05-11 3961
geom_point(size=3) size 设置点的大小。weight 就是pg_mean中weight的最大值。这里设置Y轴区间范围为 4 到 max(pg_mean。0.5、1.0 ——>X轴刻度标签。geom_point() 这里是点。linetype将线条映射给变量。（要先下载安装bruceR）查看观测值的数量、数据类型。color将颜色映射给变量。dose——>X轴标签。lwd 设置线条的宽度。size设置点的大小。
R语言基础图形绘制——折线图
热门推荐
卫博
08-17 6万+
折线图简介1. 基础函数2. ggplot()函数3. 实践参考书籍 简介 折线图通常用来对两个连续变量之间的相互依存关系进行可视化。x轴可以是连续型变量，也可以是离散型变量。生物学中，通常用来表示不同药物剂量下实验对象的变化，或者是基因在不同类型组织或细胞中的表达模式。 1. 基础函数 简单示例：使用plot()函数，改变参数type，更多类型请查看帮助文档。 # 查看作图数据 BOD # Time demand # 1 1 8.3 # 2 2 10.3 # 3 3 .
R绘制折线图
github_62245663的博客
02-01 1万+
R绘制折线图 参考资料： 《R语言数据分析与可视化从入门到精通》 《R数据可视化手册》 基本图形 R基础函数 使用plot()函数绘制折线图时需向其传递一个包含x值的向量和一 个包含y值的向量，并使用参数type="l"： plot(pressure$temperature, pressure$pressure, type="l") 若要向图形中添加数据点或者多条折线，则需先用plot()函数绘制第一条折线，再通过points()函数和lines()函数分别添加数据点和更多折线： plot(pr
R绘图基础指南 | 2.折线图
weixin_45822007的博客
07-22 3655
2.折线图“这个系列是关于R中基础图形和进阶图形的绘制。视频课程会陆续更新到我的B站【木舟笔记】，希望大家多多支持！折线图通常用来对两个连续变量的相互依存关系进行可视化，其中，x轴对应于自...
折线图-R语言
大健康，医学信息，临床检验诊断学及视觉设计的交叉碰撞。
09-29 916
欢迎关注微信公众号（医学生物信息学)，医学生的生信笔记，记录学习过程。折线图主要应用于时间序列数据的可视化。在折线图中，X 轴包括类别型或者序数型变量，分别对应文本坐标轴和序数坐标轴（如日期坐标轴）两种类型；Y 轴为数值型变量。面积图是在折线图的基础之上形成的，它将折线图中的折线与自变量坐标轴之间的区域使用颜色填充，这样可以更好地突出趋势信息。跟折线图一样，面积图可显示某时间段内量化数值的变化和发展，最常用来显示趋势，而非表示具体数值。ggplot2包的函数可以绘制折线图,函数可以绘制面积图,使用。
R绘制折线图 geom_line and geom_ribbon
weixin_45694863的博客
09-14 8378
R绘制折线图 geom_line and geom_ribbon
折线图_折线图_
10-01
本文将针对R语言的新手和小白，详细介绍如何使用R语言绘制出美观且具有信息量的折线图。 首先，我们需要了解R语言中的基本绘图库`ggplot2`，它是R中用于数据可视化的重要包。`ggplot2`遵循一种称为“Grammar of ...
R语言绘制折线图的代码及实例
06-03
在R语言中，绘制折线图是一种常见的数据可视化方法，它可以帮助我们理解数据随时间变化的趋势或者不同变量之间的关系。本篇文章将深入探讨如何在R语言中创建折线图，并通过具体的代码实例来演示这一过程。 首先，...
PowerBI制作区间折线图
08-25
资源为PowerBI源文件，有需要的小伙伴可以自行下载使用，有需要的小伙伴可以自行下载使用，如需查看视频讲解可以访问西瓜视频：...
折线图_折线图matlab_
10-01
在MATLAB中绘制折线图是一种常见的数据可视化方法，它能有效地展示数据随时间或其它连续变量的变化趋势。本文将详细介绍如何使用MATLAB绘制折线图，并通过具体步骤和示例来帮助理解。 首先，折线图是通过连接一系列...
uniapp开发小程序引入折线图文件
11-12
uniapp开发小程序引入折线图文件
R语言入门：R的基本绘图功能(柱状图、散点图、折线图、直方图和饼图)及其参数设置汇总
泥木的博客
04-12 3752
包括了R中的基础图形绘制，及其参数解释，参数包括：main、col、breaks、bg、pch等等。
【转载】R语言 如何用ggplot绘制多条折线（附例子）
thisis_redbrick的博客
10-06 2834
这段代码假定你的dataframe是用long format格式存储的。但是，我们可以用tidyr包里的pivot_longer()函数来快速将数据转为long format形式存储。注意到，我们用scale_color_manual()函数在图的右侧创建了一个图例，以使得折线更容易理解。现在，有了以long format 形式存储等dataframe，我们可以用如下代码绘出三条曲线了。假定我们有如下的R dataframe，其中存储了3家不同的商店在5天里的销售数据。本文转载自STATOLOGY。
R语言学习——图形初阶之折线图与图形参数控制
weixin_30433075的博客
03-27 1510
plot()是R中为对象作图的一个泛型函数（它的输出将根据所绘制对象类型的不同而变化）；plot(x,y,type="b")表示将x置于横轴，y置于纵轴，绘制点集（x，y），然后使用线段将其连接；type="b"表示同时绘制点和线，使用help(plot)可以查看其它选项。 实例： > dev.new() # 打开一个新的图形窗口NULL> dose<-c(20,30,...
R语言折线图
m0_63669165的博客
02-21 689
plot.background = element_rect(fill = "transparent",colour = "white")) ##colour = "black"是挡住横坐标字体的原因。#以一二组为不同颜色组——进而绘制不同组折线图，关键代码：color=dat1[,2])#标注坐标名称、legend图例名称。
【RaspberryPi】树莓派Matlab/Simulink支持包安装与使用
最新发布
weixin_43894265的博客
07-22 975
连接成功以后会进入到下一步，检查工具包是否安装的界面，检查完以后，点击INSTALL安装即可，根据不同的网络状况，安装时间大概在10-40左右，但是此种情况，会遇连接失败的问题，如果失败可以使用方法一安装，对于Bullseye系统只能在线安装完了，将镜像保存。2. 执行配置树莓派命令，按终端中显示的设置步骤进行操作，全部输入y，同意安装或配置即可。在进行安装步骤之前，需要将树莓派连上网，同时打开ssh服务，并设置用户名和密码。1.在树莓派终端下面输入以下命令，安装适用于树莓派的安装包。选择当前使用的硬件。
R语言读取txt和csv只有1列时
hx2024的博客
07-22 464
文件中每一行的值都由该字符分隔。如果sep = "(read . table的默认值)分隔符是“空白”，即一个或多个空格、制表符、换行符或回车符。
rstudio折线图
10-23
在RStudio中，可以使用ggplot2包中的geom_line函数绘制折线图。首先需要构建一个数据框，包含x轴和y轴的数据以及分组信息。然后使用ggplot函数创建一个绘图对象，并使用geom_line函数添加折线图层。在aes函数中指定x轴和y轴的变量名以及分组变量名和颜色变量名。最后可以使用lwd参数设置线条宽度。除了折线图，ggplot2包还提供了很多其他类型的绘图函数，如条形图和散点图等。
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
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