一起学画图：散点图+边缘分布统计图形-密度图-直方图-箱型图-小提琴图

最新推荐文章于 2024-05-08 23:40:06 发布

RookieNick

最新推荐文章于 2024-05-08 23:40:06 发布

阅读量3.6k

点赞数 3

分类专栏：生物信息学文章标签： r语言开发语言绘图

本文链接：https://blog.csdn.net/newcomersyt/article/details/123409217

版权

生物信息学专栏收录该内容

5 篇文章 2 订阅

订阅专栏

Part 1 ：散点图+变量边缘分布图形

公众号原文点我，感谢支持

许多文章的散点图中，在散点图的周围还会有额外的单变量边缘分布统计图形（如下图）。前面几期我们介绍过，散点图主要反映的是两个变量之间的关系，而额外的边缘分布图则能直观反映每个变量的分布情况。本期就来介绍实现这类图形的常见方法。

示例：

Abundance of antibiotic resistance genes, intI1 gene and crAssphage in human fecal metagenomes.
[1]示例图中散点图的做法参见一起学画图：散点图（1）— 基础散点图 — R-ggplot2复现Nature文章散点图

Part 2 ：图像与代码

方法一：ggExtra::ggMarginal() ：在ggplot2散点图基础上快速添加

ggExtra包可以通过常规的install.packages(“ggExtra”)语句安装，相关参数见下：

ggMarginal (p, data, x, y, 
  type = c("density", "histogram", "boxplot", "violin", "densigram"), 
  margins = c("both", "x", "y"), size = 5, 
  ..., xparams = list(), yparams = list(), 
  groupColour = FALSE, 
  groupFill = FALSE)

参数	作用
p	ggplot2绘制的图像对象
data	如果没有传入p的话，则可以使用此参数传入数据
x	如果没有传入p的话，指定在data中用作x轴的数据
y	如果没有传入p的话，指定在data中用作y轴的数据
type	边缘分布图形类型：密度图density、直方图histogram、箱型图boxplot、小提琴图violin、密度直方图densigram
margins	指定添加哪个变量的分布图形：both/x/y，默认both
size	散点图 : 边缘图的比例。size=1即表示边缘分布图和主散点图一样大
fill	指定边缘分布图形的填充颜色
color	指定边缘分布图形的边界线条颜色
xparams	指定x轴的分布图型的颜色
yparams	指定y轴的分布图型的颜色
groupFill	分布图的填充颜色按组别指定
groupColour	分布图的边界线条颜色按组别指定

基础使用示例


#导入包
library(ggplot2)
library(ggExtra)

#常规使用ggplot2作图
p <- ggplot(`iris`, aes_string('Sepal.Length', 'Sepal.Width')) +
  aes_string(colour = 'Species') +
  geom_point() + 
  theme_bw()+
  theme(legend.position = "bottom")
  
 #使用ggMarginal添加边缘分布图形，ggplot2绘制的图p作为变量传入（如果没有使用ggplot2绘制图形，则此处也可以自行传入数据绘制）
p1 <- ggMarginal(p+ggtitle("type='histogram'"), type="histogram")
p1

参数表中提出到的5种不同的统计图形示例如下：

在此基础上，我们可以通过调整相关参数优化图形。幸运的是，该包的作者团队同时也开发了支持实时制作并可导出R代码的网页版工具：https://daattali.com/shiny/ggExtra-ggMarginal-demo/

这样一来我们可以预先在网页上调整好所需要的样式，然后利用生成的R代码在本地生成所需格式和尺寸的图像

使用上图网页工具自动生成的代码在本地运行得到的结果如下：

方法二：ggPubr::ggscatterhist( )

ggPubr是一个基于ggplot2开发的面向出版级绘图的R包，ggscatterhist（）中的参数 margin.* 可以为散点图进一步配置边缘分布统计图形，其语法与ggplot2类似，目前支持：密度图density，直方图histogram，箱型图boxplot三种边缘分布图形相关参数及作用见官方文档：http://rpkgs.datanovia.com/ggpubr/reference/ggscatterhist.html

# 函数声明
ggscatterhist(data, x, y, group = NULL, color = "black", fill = NA, 
  palette = NULL, shape = 19, size = 2, linetype = "solid", 
  bins = 30, margin.plot = c("density", "histogram", "boxplot"), 
  margin.params = list(), margin.ggtheme = theme_void(), margin.space = FALSE, 
  main.plot.size = 2, margin.plot.size = 1, title = NULL, 
  xlab = NULL, ylab = NULL, legend = "top", ggtheme = theme_pubr(), 
  print = TRUE, ...)

基础示例：

#导入包
library(ggpubr)
#作图
gp1<-ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6)
gp1

在此基础上，可以对参数进行调整来绘制更为符合需求的图片


#导入包
library(ggpubr)
#作图
gpDensity <- ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6,
  palette = c("#00AFBB", "#E7B800", "#FC4E07"),
  margin.params = list(fill = "Species", color = "black", size = 0.3)
)
gp1p
# 此图并没有指定margin.plot = "density",只是在上图gp1的基础行进行了填充
# 实际上,如果指定margin.plot = "density" 得到的图形是一样的

#导入包
library(ggpubr)
#作图
gp4 <- ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6,
  palette = c("#00AFBB", "#E7B800", "#FC4E07"),
  margin.plot = "histogram", #指定类型为histogram
  margin.params = list(fill = "Species", color = "black", size = 0.3))
gp4

方法三：分别作图最后利用grid.arrange()进行拼接

文中Part 1的示例图像应该就是用此方法组合而成的，此方法不作更多介绍，感兴趣的朋友可以参考使用grid.arrange()排列图形的方法：https://cran.rproject.org/web/packages/egg/vignettes/Ecosystem.html

Part 3 ：地毯图

以上我们介绍了在散点图周围添加单变量边缘分布统计图的方法，边缘分布图的目的是直观反映单变量的分布情况，而地毯图也可以达到类似的目的相关参数及作用以及更高级的用法可参考官方文档：https://ggplot2.tidyverse.org/reference/geom_rug.html


geom_rug(
  mapping = NULL,
  data = NULL,
  stat = "identity",
  position = "identity",
  ...,
  outside = FALSE,
  sides = "bl",
  length = unit(0.03, "npc"),
  na.rm = FALSE,
  show.legend = NA,
  inherit.aes = TRUE
)

示例图像：

#导入包
library(ggplot2)
#常规使用ggplot2作图
prug <- ggplot(`iris`, aes_string('Sepal.Length', 'Sepal.Width')) +
  aes_string(colour = 'Species') +
  geom_point() + 
  theme_bw()+
  theme(legend.position = "bottom")+
  geom_rug(alpha = 0.5, position = "jitter")
prug

参考：

[1] Karkman A, Pärnänen K, Larsson DGJ. Fecal pollution can explain antibiotic resistance gene abundances in anthropogenically impacted environments. Nat Commun. 2019 Jan 8;10(1):80. doi: 10.1038/s41467-018-07992-3. PMID: 30622259; PMCID: PMC6325112.
https://github.com/daattali/ggExtra
https://daattali.com/shiny/ggExtra-ggMarginal-demo/
http://rpkgs.datanovia.com/ggpubr/index.html
http://rpkgs.datanovia.com/ggpubr/reference/ggscatterhist.html
https://cran.rproject.org/web/packages/egg/vignettes/Ecosystem.html