Lesson 07 for Plotting in R for Biologists

最新推荐文章于 2022-10-27 17:38:18 发布
最新推荐文章于 2022-10-27 17:38:18 发布
阅读量504 收藏 1
点赞数 1

640?wx_fmt=gif

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：

R语言可视化学习笔记之相关矩阵可视化包ggcorrplot

R语言学习笔记之相关性矩阵分析及其可视化

ggplot2学习笔记系列之利用ggplot2绘制误差棒及显著性标记

ggplot2学习笔记系列之主题（theme）设置

用circlize包绘制circos-plot

利用gganimate可视化R-Ladies发展情况

一篇关于国旗与奥运会奖牌的可视化笔记

利用ggseqlogo绘制seqlogo图

R语言data manipulation学习笔记之创建变量、重命名、数据融合

R语言data manipulation学习笔记之subset data

R语言可视化学习笔记之gganimate包

创建属于自己的调色板

Lesson 01 for Plotting in R for Biologists

Lesson 02&03 for Plotting in R for Biologists

Lesson 04 for Plotting in R for Biologists

Lesson 05 for Plotting in R for Biologists

Lesson 06 for Plotting in R for Biologists

640?wx_fmt=gif


640?wx_fmt=png

这节课主要两个知识点，一个是图形分面，一个是图形嵌入。

数据加载及清洗

library(tidyverse)

theme_set(theme_gray())

my_data <- read.csv("variants_from_assembly.bed", sep = "\t", quote = '', stringsAsFactors = TRUE, header = 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 103832058 103832059  SV1  185      + Insertion        0        185

## 2     6 102958468 102958469  SV2  317      + Insertion      -14        303

## 3     6 102741692 102741693  SV3  130      +  Deletion      130          0

## 4     6 102283759 102283760  SV4 1271      + Insertion      -12       1259

## 5     6 101194032 101194033  SV5 2864      + Insertion      -13       2851

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

    

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

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

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

   


可视化&分面

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

640?wx_fmt=png

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

640?wx_fmt=png

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

640?wx_fmt=png



分面的规则语法是：  

plot+facet_grid(rows~columns)

比如下面的图按染色体为行、type为列进行分面


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

640?wx_fmt=png

#也可以反过来

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

  640?wx_fmt=png

可以根据自己的喜好以及数据的分布进行分面，有的时候数据不是很适合分面操作，需要慎重，不然越分越乱，无法直观地展示数据。

图形嵌入

#先设置主题

theme_set(theme_gray()+

theme(

axis.line = element_line(size=0.5),

panel.background = element_rect(fill=NA, size = rel(20)),

panel.grid.minor = element_line(colour = NA),

axis.text = element_text(size = 16),

axis.title = element_text(size = 16)

)

)

big_plot <- ggplot(my_data, aes(x=size, fill=type))+

geom_bar(binwidth = 100)+

guides(fill=FALSE)+

scale_y_continuous(expand = c(0,0))

big_plot

  640?wx_fmt=png

small_plot <- ggplot(my_data, aes(x=size, fill=type))+

geom_bar(binwidth = 5)+

xlim(0, 500)+

theme(axis.title = element_blank())+

scale_y_continuous(expand = c(0,0))

small_plot

640?wx_fmt=png


图形嵌入需要使用包grid

library(grid)

#构造画布，这一步需要不断调整位置

vp <- viewport(width = 0.8, height = 0.7, x=0.65, y=0.65)#分别设置需要嵌入的图形的宽度、高度以及坐标位置

png("insert_plot.png")

print(big_plot)

print(small_plot, vp = vp)

dev.off()

640?wx_fmt=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] forcats_0.2.0      stringr_1.2.0      dplyr_0.7.4      

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

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

##

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

##  [1] Rcpp_0.12.15      cellranger_1.1.0  pillar_1.1.0    

##  [4] compiler_3.4.3    plyr_1.8.4        bindr_0.1        

##  [7] tools_3.4.3       digest_0.6.15     lubridate_1.7.1  

## [10] jsonlite_1.5      evaluate_0.10.1   nlme_3.1-131    

## [13] gtable_0.2.0      lattice_0.20-35   pkgconfig_2.0.1  

## [16] rlang_0.1.6       psych_1.7.8       cli_1.0.0        

## [19] rstudioapi_0.7    yaml_2.1.16       parallel_3.4.3  

## [22] haven_1.1.1       bindrcpp_0.2      xml2_1.2.0      

## [25] httr_1.3.1        knitr_1.19        hms_0.4.1        

## [28] rprojroot_1.3-2   glue_1.2.0        R6_2.2.2        

## [31] readxl_1.0.0      foreign_0.8-69    rmarkdown_1.8    

## [34] modelr_0.1.1      reshape2_1.4.3    magrittr_1.5    

## [37] backports_1.1.2   scales_0.5.0.9000 htmltools_0.3.6  

## [40] rvest_0.3.2       assertthat_0.2.0  mnormt_1.5-5    

## [43] colorspace_1.3-2  labeling_0.3      stringi_1.1.6    

## [46] lazyeval_0.2.1    munsell_0.4.3     broom_0.4.3      

## [49] crayon_1.3.4




　往期精彩内容整理合集　

2017年R语言发展报告（国内）

精心整理 | R语言中文社区历史文章合集（作者篇）

640?wx_fmt=jpeg

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

R语言中文社区
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
R语言使用ggplot2包使用geom_density()函数绘制分组密度图（线条色彩、添加均值线）实战（density plot）
data+scenario+science+insight
12-12 1589
R语言使用ggplot2包使用geom_density()函数绘制分组密度图（线条色彩、添加均值线）实战（density plot） 目录 R语言使用ggplot2包使用geom_density()函数绘制分组密度图（线条色彩、添加均值线）实战（density plot） #密度图 #仿真数据 #geom_density()函数绘制分组密度图（线条色彩、添加均值线） #密度图 与直方图（histogram）相关的一种图表类型是密度图，它是通过计算“可能会产生观测数据的连续概率分布的估计
Tools for plotting Extrinsic Information Transfer (EXIT) charts
最新发布
07-23
Tools for plotting Extrinsic Information Transfer (EXIT) charts in Matlab.zip
ggplot2绘制密度图
intro17的博客
05-13 8248
ggplot2绘制密度图 密度图可以展示数值型变量的数据分布，在ggplot2中可以使用geom_dendity（）功能来实现绘图 1.基础密度图 密度图的绘制只需要输入一个数值型的向量，即可以绘制密度图 require(ggplot2)#加载绘图R包 require(dplyr)#加载数据清洗包 data <- iris data %>% filter(Sepal.Length>2.5)%>% ggplot(aes(x=Sepal.Length))+ geom_density
ggplot2之Layer—— geoms（二）
思过留痕
08-30 5333
上次谈到了layer中跟geoms_有关的参考线、条形图、2d bin计数的热图、空图、盒式图。这次谈一些其他的图形及参数。1. geom_contour 、stat_contour —— 等高线2. geom_count、 stat_sum—— 计数重叠点3. geom_density_2d 、stat_density_—— 2d二维密度估计的等高线4. geom_density 、stat_de
ggplot2读书笔记7：第五章 通过图层构建图像
qy_microbiota的博客
03-08 2425
Build a Plot Layer by Layer 5.1 简介 （略） 5.2 创建图表 （以汽车耗油量mpg数据集为例） 当我们使用ggplot()创建图表时，最基本的代码是： ggplot(mpg, aes(displ, hwy)) + geom_point() 实际上这条代码包含了两步命令： 第一个是： p &lt;- ggplot(mpg, ae...
MATLAB function for plotting a Google map on the background
07-23
MATLAB function for plotting a Google map on the background of a figure.zip
A Simple C# Library for Graph Plotting
06-01
简单实用的C#类库，用于常用·图表的绘制，如数据采集等，支持多种显示模式；提供库文件的源代码及Demo版的源代码。
R Graphics Essentials for Great Data Visualization 1st pdf
06-28
In this book, we start by presenting the key graphic systems and packages available in R, including R base graphs, lattice and ggplot2 plotting systems. Next, we provide more than 200 practical ...
QGPSPlot - A GPS Plotting Tool for Linux-开源
07-03
QGPSPlot 是一个使用 GPS 可视化您的路线的程序。 它还可以连接到无线扫描仪 Kismet 以在您的地图中绘制接入点。 一个不错的工具，尤其是对于战争驾驶！
R语言使用ggplot2包使用geom_density()函数绘制基础密度图实战（density plot）
data+scenario+science+insight
10-20 1723
R语言使用ggplot2包使用geom_density()函数绘制基础密度图实战（density plot） 目录 R语言使用ggplot2包使用geom_density()函数绘制基础密度图实战（density plot） #密度图 #仿真数据 #geom_density()函数绘制基础密度图 #密度图 与直方图（histogram）相关的一种图表类型是密度图，它是通过计算“可能会产生观测数据的连续概率分布的估计”而产生。一般的过程是将该分布近似为一组核（即诸如正态（高斯）分布之
ggplot在直方图上添加核密度图及关于ggrcs包绘制直方图的说明
dege857的博客
10-27 1407
近期一些朋友私信我说使用ggrcs包绘制不出来直方图，或者绘制得很难看，怀疑直方图密度图绘图代码是错误的，本来这个问题我不想回答的，但是问的人多了，还是说一说把。由于密度曲线的Y值很小（曲线下的面积总和为1），如果你把它叠加在直方图上，几乎看不到它。画双坐标轴图稍微复杂一点，使用到数据等比例转换，但是原理就是上图的基础代码。曲线下的面积总和为1），如果你把它叠加到直方图上，几乎看不出来。ggrcs包绘制直方图的代码为，就是使用核密度来表示直方图，QQ群已经满人了，加不进去的各位抱歉了。
Lesson 04 for Plotting in R for Biologists
R语言中文社区
06-06 568
作者简介Introductiontaoyan：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/往期回...
R语言使用ggplot2包使用geom_density()函数绘制分组密度图（自定义调色板、brewer、灰度比例）实战（density plot）
data+scenario+science+insight
02-04 681
R语言使用ggplot2包使用geom_density()函数绘制分组密度图（自定义调色板、brewer、灰度比例）实战（density plot） 目录 R语言使用ggplot2包使用geom_density()函数绘制分组密度图（自定义调色板、brewer、灰度比例）实战（density plot） #密度图 #仿真数据 #geom_density()函数绘制分组密度图（自定义调色板、brewer、灰度比例） #密度图 与直方图（histogram）相关的一种图表类型是密度图，它是
Learning Statistics on Youtube
四纪启悟 · 数据科学
09-21 1305
Youtube.com is the second most accessed website in the world (surpassed only by its parent, google.com). It has a whopping 1 billion unique views a month. [1, 2] It is a force to be reckoned with. I
R语言作图——density plot(密度图)
热门推荐
生信了
10-09 14万+
原创 黄小仙 上次分享了小提琴曲线(violin plot)的作图方法,今天小仙同学给大家介绍一下如何用R画出漂亮的密度图(density plot)。 Step1. 绘图数据的准备 首先还是要把你想要绘图的数据调整成R语言可以识别的格式excel中保存成csv格式。 数据的格式如下图：一列表示一种变量，第一行是列名 Step2. 绘图数据的读取 data&amp;lt;-read.csv(“your...
R语言：plot与alleffect结合画图时，对x轴标签自定义排序
williamlon的博客
10-26 729
Prestige$type <- factor(Prestige$type, levels=c("bc", "wc", "prof")) mod.prestige.1 <- lm(prestige ~ income + education, data=Prestige) plot(allEffects(mod.prestige.1, residuals=TRUE)) 修改levels中的顺序即可
ggplot2–绘制分布图
自由 平等~忠诚 奉献
04-09 3万+
ggplot2–绘制分布图本文更新地址:本文在 http://www.cookbook-r.com/Graphs/Plotting_distributions_(ggplot2)/ 的基础上加入了自己的理解生成绘图数据set.seed(1234) dat data.frame(cond = factor(rep(c("A","B"), each=200)),
Lesson 01 for Plotting in R for Biologists
R语言中文社区
05-02 368
作者简介Introductiontaoyan：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/往期回...
ggpointdensity：R绘制密度散点图
志浩同学的博客
06-30 5152
绘制散点图时，若散点数目很多，散点之间相互重叠，则不易观察散点趋势，此时可绘制密度散点图解决 导入包 library(ggplot2) library(dplyr) library(viridis) # 使用viridis提供的翠绿色标度：scale_fill_viridis() library(ggpointdensity) # 绘制密度散点图 library(cowplot) # 图形组合，可以自动对其坐标轴 生成绘图数据 dat <- bind_rows( tibble(x = rnorm
Open the first file and push data in numpy.array for plotting -ray diffraction diagram.
05-30
Sure! Here is an example code to read the data and plot the X-ray diffraction diagram using matplotlib: ```python import numpy as np import matplotlib.pyplot as plt filename = "drx-sample1.xy" data = np.loadtxt(filename) # Print the shape of the data array and the first 5 elements print(data.shape) print(data[:5]) # Plot the X-ray diffraction diagram x = data[:, 0] y = data[:, 1] plt.plot(x, y) plt.xlabel("2θ") plt.ylabel("Intensity") plt.title("X-ray Diffraction") plt.show() ``` In this code, we first import numpy and matplotlib libraries. Then, we use the `loadtxt()` function from numpy to read the data from the file "drx-sample1.xy" and store it in a numpy array called `data`. We then print the shape of the data array and the first 5 elements to verify that the data has been read correctly. Finally, we plot the X-ray diffraction diagram using the data from the array. We extract the X and Y data from the array using indexing and plot them using the `plot()` function from matplotlib. We also add labels to the X and Y axes and a title to the plot using the `xlabel()`, `ylabel()`, and `title()` functions. You can copy and paste this code in your Python environment and run it to plot the X-ray diffraction diagram for the first file.

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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