R绘图 | 浅谈散点图及其变体的作图逻辑-CSDN博客

本文链接：https://blog.csdn.net/weixin_45822007/article/details/128946088

scatter_review

引言

前几天看到群里读者朋友的提问，发现很多同学对作图仅局限于就图论图，今天就简单整理一下公众号发布过的「以散点为主体」的相关图形，简单归纳一下其内在逻辑联系。

几种常用散点图

1、普通散点图

普通散点图+拟合曲线

PCoA

进阶散点图

2、各种火山图或多象限散点图

火山图

多象限散点图

3、气泡散点图

气泡热图1

气泡热图2

示例数据和代码领取

木舟笔记永久VIP企划

「权益：」

「木舟笔记所有推文示例数据及代码(「在VIP群里」实时更新」）。

data+code
木舟笔记「科研交流群」。

「收费：」

「169￥/人」。可添加微信：mzbj0002 转账（或扫描下方二维码），或直接在文末打赏。木舟笔记「2022VIP」可直接支付「70￥」升级。

❝
点赞、在看 本文，分享至朋友圈集赞30个并保留30分钟，可优惠20￥。
❞

普通散点图

此类散点图以「散点」+不同散点「形状」、「大小」、「颜色映射」为主。

「普通散点图+拟合曲线」
「散点」+不同散点「形状」、「颜色映射」

普通散点图+拟合曲线

「详细教程」：R绘图 | 气泡散点图+拟合曲线

「核心代码：」

ggplot(plot_df, 
       aes(x = log10(mean_gdp_per_capita), 
           y = mean_access_perc)) + # 点的位置，即(x, y)
  geom_point(data = plot_df, 
             aes(size = mean_death_perc,  # 点的大小映射
                 fill = continent), # 点的填充颜色映射
             pch = 21) +
  geom_smooth(method = "loess") # 添加平滑曲线拟合

「PCoA/UMAP/TSNE/PCA」
「散点」+不同散点「颜色映射」

PCoA

「详细教程」：跟着 Cell 学作图 | 主坐标分析(PCoA)及其可视化(vegan)

「核心代码：」

ggplot(data = plot_data, 
       aes(x=PCoA1, 
           y=PCoA2,  # 点的位置，即(x, y)
           fill=group)) + # 点的填充颜色映射 数据集相同可以放ggplot()里或geom_point()里
  geom_point(shape = 21,  # 散点类型(21为带边框的散点，即fill和color分别代表填充颜色和边框颜色)
             color = 'black', # 散点边框颜色
             size=4) + # 散点大小
  scale_fill_manual(values = c('#73bbaf','#d15b64','#592c93')) # fill颜色设置

「进阶散点图」
「散点」+不同散点「颜色、大小映射」

进阶散点图

此图为群友提问，没有写过，这里简单写一下。

「完整代码：」

## 示例数据
dt <- data.frame(item =  paste0('item',1:200),
                 NES = runif(200,0,2),
                 FDR = runif(200,0,0.1),
                 ZSCORE = runif(200,0,6),
                 P = runif(200,0,0.1))
ggplot(data = dt, 
       aes(x=ZSCORE, 
           y=NES,  # 点的位置，即(x, y)
           size = -log10(FDR), # 点的大小映射 
           color=-log10(P))) + # 点的颜色映射 
  geom_point() + 
  scale_color_gradient(low = '#e2d89b',high = '#811919') + # color渐变颜色设置
  geom_hline(yintercept =  1.3,linetype = 'dashed', col = '#c0c0c0')+ # 横线
  geom_vline(xintercept = 2,linetype = 'dashed', col = '#c0c0c0')+ # 竖线
  geom_text_repel(
    data = dt[dt$ZSCORE>4&dt$NES>1.5,],
    aes(label = item),
    size = 4.5,
    color = "black",
    segment.color = "black", show.legend = FALSE )+ #添加关注的点的名称
  theme_few()
ggsave('sactter_eg1.pdf',width = 6,height = 5)

scatter_eg1

各种火山图或多象限散点图

「火山图」
「散点」+不同散点「形状」、「颜色映射」
火山图的本质也是一样的，但是由于原始数据没有对散点进行分类（即上下调），需增加一步数据处理。

火山图

「详细教程」：跟着 Cell 学作图 | 火山图进阶版

「核心代码：」

# 确定是上调还是下调，用于给图中点上色
# 阈值自行确定
df$threshold = factor(ifelse(df$P_value  < 0.05 & abs(df$fd) >= 0.25, 
                             ifelse(df$fd >= 0.25 ,'Up','Down'),'NoSignifi'),
                      levels=c('Up','Down','NoSignifi'))

ggplot(df,
       aes(x=fd,y= -log10(P_value),# 点的位置，即(x, y)
           size = logCPM, # 点的大小映射 
           fill = threshold))+  # 点的填充映射 
  geom_point(colour = "black", shape = 21, stroke = 0.5)+
  scale_size(limits  = c(2, 16))+  #控制最大气泡和最小气泡，调节气泡相对大小
  scale_fill_manual(values=c("#fe0000","#13fc00","#bdbdbd"))+ #确定点的颜色
  geom_vline(xintercept=c(-0.25,0.25),lty=2,col="black",lwd=0.5) + #添加横线|logFoldChange|>0.25
  geom_hline(yintercept = -log10(0.05),lty=2,col="black",lwd=0.5)  #添加竖线padj<0.05

「多象限散点图」
「散点」+不同散点「颜色映射」
同样由于原始数据没有对散点进行分类（四分类或就分类），需增加一步数据处理。

多象限散点图

「详细教程」：跟着Nucleic Acids Research学作图 -- 多组学九象限散点图

❝
此教程来源公众号【生信师兄】。
❞

「核心代码：」

# 分组处理：设置阈值，以正负log10(2)为阈值：
group <- ifelse((abs(data[,1]) > log10(2) & abs(data[,2]) > log10(2))|(abs(data[,1]) < -log10(2) & abs(data[,2]) < -log10(2)),
                "mRNA+RPF_both", ifelse(
                  (data[,1] > log10(2) & data[,2] < log10(2) & data[,2] > -log10(2))|(data[,1] < -log10(2) & data[,2] < log10(2) & data[,2] > -log10(2)),
                "mRNA_only", ifelse(
                  (data[,2] > log10(2) & data[,1] < log10(2) & data[,1] > -log10(2))|(data[,2] < -log10(2) & data[,1] < log10(2) & data[,1] > -log10(2)),
                "RPF_only", NA)))

p + geom_point(data=data, aes(mRNA_FC, RPF_FC, color = group))+
  scale_color_manual(values = c("mRNA+RPF_both" = "#dd8653", 
                                "mRNA_only" = "#59a5d7", 
                                "RPF_only" = "#aa65a4", 
                                "#878787"),
                     breaks = c("mRNA+RPF_both","mRNA_only","RPF_only"))

气泡散点图

「气泡热图」
「散点」+不同散点「大小」、「颜色映射」
气泡热图也是一样，只是散点的「坐标」不是「数字」而是'名称'。

气泡热图1

「详细教程」：这图怎么画| 气泡热图（基因表达泛癌分析）

「核心代码：」

ggplot(data,aes(x=type ,y= gene)) +  # 点的位置，即(x, y) 注意此时皆不是数值变量
  geom_point(aes(size=-log10(pvalue), fill=Log2FC),
             shape=21, 
             color="black") +  # 需要的映射
  scale_fill_gradient2(name = 'Log2FC\n(Expression)', # 色阶图例名称
                       limit = c(-1.001,1.001), # 色阶图例范围
                       breaks = c(-1.0,-0.5,0.0,0.5,1.0), # 色阶图例间距
                       low='#444283', # 颜色设置
                       high='#943934', 
                       mid="white", 
                       midpoint = 0)+  # 中间颜色对应值
  scale_size_continuous(name = '-Log10 qvalue', # 大小图例名称
                        limit = c(-0.001,3.1), # 大小图例范围
                        breaks = c(0,1,2,3))+# 大小图例间距
  geom_hline(yintercept=c(5.5, 10.5))

「相关型热图」
「散点」+不同散点「大小映射」
同样，该类型的散点的「坐标」不是「数字」而是'名称'。
当然，此图的散点并不是主体，颜色的映射由方块完成。

气泡热图2

「详细教程」：这图怎么画| 相关性热图+柱状图

「核心代码：」

ggplot()+
  geom_tile(data = df_cor_long,
            mapping = aes(sample,indicator,fill = value))+ # 方块填充颜色映射
  scale_fill_gradient2(name = 'Correlation',
                       limit = c(-1.001,1.001),
                       breaks = c(-1.0,-0.5,0.0,0.5,1.0),
                       low = '#2ab49b',
                       mid = 'white',
                       high = '#ea7f58')+
  geom_point(data = df_imp_long,
             mapping = aes(sample,indicator,size = value), # 散点大小映射
             shape = 1,
             stroke = 0.6,
             color = 'black')+
  scale_size_continuous(name = 'Importance(%)',
                        limit = c(-0.001,15.1),
                        breaks = c(0,5,10,15))