转自:生信宝典|Bio_Data,不一样的生信学习平台
原文链接:ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
作者:严涛 浙江大学作物遗传育种在读研究生(生物信息学方向)伪码农,R语言爱好者,爱开源
数据可视化是解析、理解和展示数据不可缺少的一部分。炫或不炫看个人喜好和功底,能否达意是最基本的要求---最合适的图示和配色表达最直观的含义。长文多图预警,这是关于ggplot2使用的极详细教程(190+图),是入门和晋级参考的不二手册。
前面部分是关于qplot的使用,后面是ggplot2图层的使用。原文使用R自带数据集,后面有生信宝典出品的针对生信常见作图的ggplot2使用教程。为完善之际,本文整理了关于可视化套路 (什么图适合做什么), 图形配色 (美观不突兀)和多种在线、本地、编程和界面类绘图工具和脚本供集中学习和收藏使用。
简介
本文内容基本是来源于STHDA,这是一份十分详细的ggplot2使用指南,因此我将其翻译成中文,一是有助于我自己学习理解,另外其他R语言爱好者或者可视化爱好者可以用来学习。翻译过程肯定不能十全十美,各位读者有建议或改进的话,十分欢迎发Email([email protected])给我。
ggplot2是由Hadley Wickham创建的一个十分强大的可视化R包。按照ggplot2的绘图理念,Plot(图)= data(数据集)+ Aesthetics(美学映射)+ Geometry(几何对象):data: 数据集,主要是data frame;
Aesthetics: 美学映射,比如将变量映射给x,y坐标轴,或者映射给颜色、大小、形状等图形属性;
Geometry: 几何对象,比如柱形图、直方图、散点图、线图、密度图等。
在ggplot2中有两个主要绘图函数:qplot()以及ggplot()。qplot(): 顾名思义,快速绘图;
ggplot():此函数才是ggplot2的精髓,远比qplot()强大,可以一步步绘制十分复杂的图形。
由ggplot2绘制出来的ggplot图可以作为一个变量,然后由print()显示出来。
图形类型
根据数据集,ggplot2提供不同的方法绘制图形,主要是为下面几类数据类型提供绘图方法:一个变量x: 连续或离散
两个变量x&y:连续和(或)离散
连续双变量分布x&y: 都是连续
误差棒
地图
三变量
安装及加载
安装ggplot2提供三种方式:
#直接安装tidyverse,一劳永逸(推荐,数据分析大礼包)
install.packages("tidyverse")
#直接安装ggplot2
install.packages("ggplot2")
#从Github上安装最新的版本,先安装devtools(如果没安装的话)
devtools::install_github("tidyverse/ggplot2")
加载
library(ggplot2)
数据准备数据集类型:数据框data.frame
本文将使用数据集mtcars。
#load the data set
data(mtcars)
df
#将cyl转为因子型factor
df$cyl
head(df)
## mpg cyl wt
## Mazda RX4 21.0 6 2.620
## Mazda RX4 Wag 21.0 6 2.875
## Datsun 710 22.8 4 2.320
## Hornet 4 Drive 21.4 6 3.215
## Hornet Sportabout 18.7 8 3.440
## Valiant 18.1 6 3.460
qplot()
qplot()类似于R基本绘图函数plot(),可以快速绘制常见的几种图形:散点图、箱线图、小提琴图、直方图以及密度曲线图。其绘图格式为:
qplot(x, y=NULL, data, geom="auto")
其中:x,y: 根据需要绘制的图形使用;
data:数据集;
geom:几何图形,变量x,y同时指定的话默认为散点图,只指定x的话默认为直方图。
散点图
qplot(x=mpg, y=wt, data=df, geom = "point")
也可以添加平滑曲线
qplot(x=mpg, y=wt, data = df, geom = c("point", "smooth"))
还有其他参数可以修改,比如点的形状、大小、颜色等
#将变量cyl映射给颜色和形状
qplot(x=mpg, y=wt, data = df, colour=cyl, shape=cyl)
箱线图、小提琴图、点图
#构造数据集
set.seed(1234)
wdata
sex=factor(rep(c("F", "M"), each=200)),
weight=c(rnorm(200, 55), rnorm(200, 58))
)
head(wdata)
## sex weight
## 1 F 53.79293
## 2 F 55.27743
## 3 F 56.08444
## 4 F 52.65430
## 5 F 55.42912
## 6 F 55.50606
箱线图
qplot(sex, weight, data = wdata, geom = "boxplot", fill=sex)
小提琴图
qplot(sex, weight, data = wdata, geom = "violin")
点图
qplot(sex, weight, data = wdata, geom = "dotplot", stackdir="center", binaxis="y", dotsize=0.5, color=sex)
直方图、密度图
直方图
qplot(weight, data = wdata, geom = "histogram", fill=sex)
密度图
qplot(weight, data = wdata, geom = "density", color=sex, linetype=sex)
ggplot()
上文中的qplot()绘制散点图:
qplot(x=mpg, y=wt, data=df, geom = "point")
在ggplot()中完全可以如下实现:
ggplot(data=df, aes(x=mpg, y=wt))+
geom_point()
改变点形状、大小、颜色等属性
ggplot(data=df, aes(x=mpg, y=wt))+geom_point(color="blue", size=2, shape=23)
绘图过程中常常要用到转换(transformation),这时添加图层的另一个方法是用stat_*()函数。
下例中的geom_density()与stat_density()是等价的
ggplot(wdata, aes(x=weight))+geom_density()
等价于
ggplot(wdata, aes(x=weight))+stat_density()
对于每一种几何图形。ggplot2 基本都提供了 geom()和 stat()
一个变量:连续型
使用数据集wdata,先计算出不同性别的体重平均值
library(plyr)
mu
先绘制一个图层a,后面逐步添加图层
a
可能添加的图层有:对于一个连续变量:面积图geom_area()
密度图geom_density()
点图geom_dotplot()
频率多边图geom_freqpoly()
直方图geom_histogram()
经验累积密度图stat_ecdf()
QQ图stat_qq()
对于一个离散变量:条形图geom_bar()
面积图
a+geom_area(stat = "bin")
改变颜色
a+geom_area(aes(fill=sex), stat = "bin", alpha=0.6)+
theme_classic()注意:y轴默认为变量weight的数量即count,如果y轴要显示密度,可用以下代码:
a+geom_area(aes(y=..density..), stat = "bin")
可以通过修改不同属性如透明度、填充颜色、大小、线型等自定义图形:
密度图
使用以下函数:geom_density():绘制密度图
geom_vline():添加竖直线
scale_color_manual():手动修改颜色
a+geom_density()
根据sex修改颜色,将sex映射给line颜色
a+geom_density(aes(color=sex))
修改填充颜色以及透明度
a+geom_density(aes(fill=sex), alpha=0.4)
添加均值线以及手动修改颜色
a+geom_density(aes(color=sex))+
geom_vline(data=mu, aes(xintercept=grp.mean, color=sex), linetype="dashed")+
scale_color_manual(values = c("red", "blue"))
点图
a+geom_dotplot()
将sex映射给颜色
a+geom_dotplot(aes(fill=sex))
手动修改颜色
a+geom_dotplot(aes(fill=sex))+
scale_fill_manual(values=c("#999999", "#E69F00"))
频率多边图
a+geom_freqpoly()
y轴显示为密度
a+geom_freqpoly(aes(y=..density..))+
theme_minimal()
修改颜色以及线型
a+geom_freqpoly(aes(color=sex, linetype=sex))+
theme_minimal()
直方图
a+geom_histogram()
将sex映射给线颜色
a+geom_histogram(aes(color=sex), fill="white", position = "dodge")+theme_classic()
经验累积密度图
a+stat_ecdf()
QQ图
ggplot(data = mtcars, aes(sample=mpg))+stat_qq()
一个离散变量
#加载数据集
data(mpg)
b
b+geom_bar()
修改填充颜色
b+geom_bar(fill="steelblue", color="black")+theme_classic()
两个变量:x,y皆连续
使用数据集mtcars, 先创建一个ggplot图层
b
可能添加的图层有:geom_point():散点图
geom_smooth():平滑线
geom_quantile():分位线
geom_rug():边际地毯线
geom_jitter():避免重叠
geom_text():添加文本注释
散点图
b+geom_point()
将变量cyl映射给点的颜色和形状
b + geom_point(aes(color = factor(cyl), shape = factor(cyl)))
自定义颜色
b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+
scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9"))+theme_classic()
平滑线
可以添加回归曲线
b+geom_smooth()
散点图+回归线
b+geom_point()+
geom_smooth(method = "lm", se=FALSE)#去掉置信区间
使用loess方法
b+geom_point()+
geom_smooth(method = "loess")
将变量映射给颜色和形状
b+geom_point(aes(color=factor(cyl), shape=factor(cyl)))+
geom_smooth(aes(color=factor(cyl), shape=factor(cyl)), method = "lm", se=FALSE, fullrange=TRUE)
分位线
ggplot(data = mpg, aes(cty, hwy))+
geom_point()+geom_quantile()+
theme_minimal()