R实战 | 山脊图(ridgeline plot)

最新推荐文章于 2025-03-29 10:03:04 发布

木舟笔记

最新推荐文章于 2025-03-29 10:03:04 发布

阅读量1.7k

点赞数

文章标签：可视化链表 openjdk ajax 大数据

本文链接：https://blog.csdn.net/weixin_45822007/article/details/122422858

版权

本文介绍如何使用R语言的ggplot2和ggridges包绘制山脊图，并通过示例数据展示了山脊图的基础图形绘制方法及多种参数设置技巧，包括分组、渐变填充、添加分位线等。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

R实战 | 山脊图(ridgeline plot)

示例数据

library(ggplot2)
library(reshape2)
# 以基因表达矩阵为例
test = matrix(rnorm(200), 20, 10)
test[1:10, seq(1, 10, 2)] = test[1:10, seq(1, 10, 2)] + 3
test[11:20, seq(2, 10, 2)] = test[11:20, seq(2, 10, 2)] + 2
test[15:20, seq(2, 10, 2)] = test[15:20, seq(2, 10, 2)] + 4
colnames(test) = paste("Test", 1:10, sep = "")
rownames(test) = paste("Gene", 1:20, sep = "")
head(test)
# 长宽转换
test_wide <- melt(test, varnames = c("gene","group"),value.name="exp")
head(test_wide)

> head(test)
         Test1       Test2    Test3       Test4    Test5       Test6
Gene1 6.862339 -0.09388774 7.025991  0.32898812 6.711819 -0.63220649
Gene2 6.785854 -0.76082397 4.806890  1.64125716 7.331260  0.02801615
Gene3 7.476389 -0.52560553 6.422600  0.08075241 5.347340  0.51520844
Gene4 6.228567 -0.45859833 6.403849 -0.75171274 6.671903  0.85806855
Gene5 5.969722  0.68304298 6.229048 -1.21759698 5.318038  1.09475362
Gene6 6.229172  0.43753681 8.393141  0.90708380 6.444889  0.74859812

> head(test_wide)
   gene group      exp
1 Gene1 Test1 6.862339
2 Gene2 Test1 6.785854
3 Gene3 Test1 7.476389
4 Gene4 Test1 6.228567
5 Gene5 Test1 5.969722
6 Gene6 Test1 6.229172

山脊图可视化

基础图形

# install.packages("ggridges")
library(ggridges)

ggplot(test_wide, aes(x = exp, y = gene)) +
  geom_density_ridges()

基础图形

常用参数

ggplot(test_wide, aes(x = exp, y = gene)) +
  geom_density_ridges(rel_min_height = 0.005, # 剪尾
                      scale = 3, # 山脊比例
                      fill = "white", # 填充 
                      alpha = 0.8, # 透明度
                      color = 4, # 脊线条颜色
                      linetype = 1,# 脊线条类型
                      lwd = 1 ) #  脊线条粗细

常用参数

分组

ggplot(test_wide, aes(x = exp, y = gene, fill = gene ))  +
  geom_density_ridges()

渐变

ggplot(test_wide, aes(x = exp, y = gene, fill = stat(x) ))  +
  geom_density_ridges_gradient() +
  scale_fill_viridis_c(name = "Exp", option = "C")+
  coord_cartesian(clip = "off") + # To avoid cut off
  theme_minimal()

添加分位线

# 四分位线
ggplot(test_wide, aes(x = exp, y = gene,  fill = stat(quantile))) +
  stat_density_ridges(quantile_lines = FALSE,
                      calc_ecdf = TRUE,
                      geom = "density_ridges_gradient") +
  scale_fill_brewer(name = "")

# 双尾分布线
ggplot(test_wide, aes(x = exp, y = gene,  fill = stat(quantile))) +
  stat_density_ridges(quantile_lines = TRUE,
                      calc_ecdf = TRUE,
                      geom = "density_ridges_gradient",
                      quantiles = c(0.05, 0.95)) +
  scale_fill_manual(name = "Prob.", values = c("#E2FFF2", "white", "#B0E0E6"),
                    labels = c("(0, 5%]", "(5%, 95%]", "(95%, 1]"))