ggplot2 绘图Summary
- 总体介绍 -R语言四套绘图系统：
基础绘图系统（base R graphics）
grid图形系统 （grid graphics）
lattice绘图系统 （the lattice system）
ggplot2绘图系统 （the ggplot2 system）
基础绘图系统（graphics包）：plot, boxplot, hist….
grid绘图系统：低于标准绘图系统，最灵活，无统计图形以及完整的绘图函数；
Lattice绘图系统：基于grid，是S-PLUS里的Trellis图形在R中的实现。Trellis是多元数据可视化的方法，特别适用于发现各变量之间的相互作用关系；
ggplot2绘图系统：基于grid，通过对独立的图形部件的组合（layers）进行绘图，美观，灵活；
- ggplot绘图
数据（data）
映射（mapping）
数据与图形属性(横纵坐标，大小，颜色，形状)的关联，aes()
每个图形属性可以映射为一个变量或者设定为一个常数
几何对象（geom）
控制生成图像的类型
geom_point(): 散点图
geom_line(): 折线图
geom_histogram(): 直方图
统计变换（stats）
以某种方式对数据进行汇总
stat_smoth():添加光滑曲线
标度（scale）
将数值转化为大小，颜色，位置，形状等信息
坐标系（coord）
笛卡尔坐标系
极坐标系
分面（facet）
将数据子集绘制到同一页面的不同面板中
主题（theme）
控制非数据元素外观，如标题，背景，坐标轴标签等
存储和输出（ggsave）
- 基本数据操作
ggplot2进行数据分组时只能根据行，
因此需要把数据化“宽”为“长”
reshape2
library(reshape2)
melt(data[,c(“S0h1”,”S0h2”)], measure.vars = c(“S0h1”,”S0h2”))
主要参数: melt(data, id.vars, measure.vars)
data：待变形的原始数据
id.vars：变形后依旧单独占据一列，位置保持不变的变量，通常是离散且预先给定的
measure.vars：需要被放在同一列的变量，根据原变量名进行分组，变量用来记录每行数据原来属于哪一列
- 实战演练
载入所需程序包
library(ggplot2)
library(reshape2)读入数据
data <- read.table(“heatmap_rpkm.txt”,header=T,sep=”\t”,row.names=1)
head(data)
data = log2(data+0.01)
数据，映射，几何对象
散点图
p1 <- ggplot(data, aes(S0h1, S0h2)) + geom_point()+theme_bw()
p1
#theme_bw()：A theme with white background and black gridlines. 与白色背景和黑色网格线的一个主题。
＃背景色为白色：p+ theme_set(theme_bw())
＃去掉网格线：p+theme(panel.grid.major=element_line(colour=NA))
折线图
p2 <- ggplot(data, aes(S0h1, S0h2)) + geom_line()
p2
柱状图
p3 <- ggplot(data, aes(S0h1)) + geom_histogram(bins=20)
p3
箱线图， 抖点图
data.melt <- melt(data[,c(“S0h1”,”S0h2”)])
p4 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot() + geom_jitter()
p4
统计变换
p5 <- ggplot(data, aes(S0h1, S0h2)) + geom_point() + stat_smooth(method = “lm”, formula = y ~ x)
p5
设置颜色
p6 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot(fill=c(“red”,”blue”)) + geom_jitter(aes(color=variable))
p6
设置形状
p7 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot() + geom_jitter(shape=10)
p7
设置透明度
p8 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot() + geom_jitter(alpha=.5)
p8
设置大小
p9 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot() + geom_jitter(size=3)
p9
图层叠加
p10 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot() + geom_jitter(shape=10)+geom_jitter(alpha=.5,size=3)
p10
标度
将连续或离散的变量值映射到颜色
# geom_jitter(aes(color=value)：将value值映射到颜色
p19 <- ggplot(data.melt, aes(variable, value)) + geom_jitter(aes(color=value))+
scale_color_gradient(“rpkm”,low=”black”, high=”pink”)
# geom_jitter(aes(color=variable)：将variable值映射到颜色
p20 <- ggplot(data.melt, aes(variable, value)) + geom_jitter(aes(color=variable))+
scale_color_brewer(“replicate”, breaks=c(“S0h1”,”S0h2”),
labels=c(“rep1”,”rep2”), palette = “Set2”) ＃＃palette调色板
主题
# labs：设置图片以及图例标题
# xlab，ylab：xy坐标轴标题
# theme：字体大小，颜色，位置等
p6 <- ggplot(data.melt, aes(variable, value)) + geom_boxplot(fill=c(“red”,”blue”)) + geom_jitter(aes(color=variable))
p12 <- p6 + theme_bw() + labs(title = “bw”)#白色背景
p12
p13 <- p6 + theme_grey() + labs(title = “grey”)#默认浅灰色背景
p13
p14 <- p6 + theme_bw() + labs(title =”legend”, col=”samples”) +
xlab(“sample”) + ylab(“log2(rpkm)”) +
theme(axis.text = element_text(size = 14),
plot.title = element_text(hjust = 0.5))
p15 <- p6 + theme_bw() + labs(col=”samples”) +
xlab(“sample”) + ylab(“log2(rpkm)”) +
theme(axis.text = element_text(size = 14), legend.position = “top”)
添加图形注解
添加竖直线
p16 <- p1 + geom_vline(xintercept = c(0,5), color=”red”)
添加矩形元素
p17 <- p1 + geom_rect(xmin=-5, xmax=5, ymin=-5, ymax=5, alpha=.01, fill=”orange”)
添加文字注释
p18 <- p1 + geom_text(x=5, y=0, label=”correlation between the\ntwo replicates”)
