拒绝“菜色”，如何绘制高级且美丽的箱线图？（代码分享）

2021-09-06 17:20:10, 多层组学定制服务上海欧易生物医学科技有限公司

点击上方“蓝色字体”关注我们

蛋白组学、代谢组学服务专家

编者按

科研论文中，我们经常在Nature，Science杂志的各种高级文章中看到异常优美的图片，大都是这样色儿的：

很多审稿人看稿件的顺序都是题目、摘要、图表，然后才是前言、参考文献和正文。由此可见图表作为一篇文章的“脸面”，图画的好，就能给Reviewer和Editor留下良好的第一印象！有了印象分，投稿成功率才能提高。

看完CNS级别的图，惊叹于大神们神乎其技的作图技术，再审视一下自己的图表？从图片细节、图形外观、配色等诸多问题上，与其相比真是“菜色”满满难以望其项背也。

本篇小编将从使用频率高的箱线图入手跟大家讲解每个图形的特点以及如何绘制出漂亮的科研图形。

箱·线·图

箱线图主要是通过最大值，上四分位数，中位数，下四分位数，最小值五个值来描述数据分布情况，直接明了地展示数据的分布情况、偏态性及异常值。

如上图所示，首先来介绍几个定义：

1、四分位数：

把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值。

Q1：第一四分位数，第25%的数字；

Q2：第二四分位数，第50%的数字，即中位数；

Q3：第三四分位数，第75%的数字；

IQR：第三四分位数与第一四分位数的差距又称四分位距；

2、异常值和最值：

异常值：在（Q1 - 1.5 IQR, Q3 + 1.5 IQR）范围之外的点；

最值：去除异常值后的最小值和最大值；

总而言之，箱线图中可以反映数据的集中或离散趋势。对于科研的研究有着重要的意义和价值！

那么，箱线图是怎么绘制的呢？

简单来说，您只要整理好表达量以及组别的数据，就可以绘制箱线图啦~这个实际操作起来非常简单快捷易懂，下面跟着小编一起学习一下两种超简单的方法吧~~

用R自带的graphics包绘制箱线图

# 数据创建set.seed(999)matrix(rnorm(18,18),5,8)->matcolnames(mat)<-c("A1","A2","A3","A4","A5","A6","A7","A8")# 绘制箱线图boxplot(mat)

向右滑动查看更多

上面的箱线图肯定不是我们想要的，那如何改变颜色呢？下面就给大家展示。

boxplot(mat[,1:4],data=mat,col="red",at = 1:4,boxwex = 0.5, xlim = c(0.5,9),)#在图上画出A1~A4的箱线图boxplot(mat[,5:8],data=mat, col="lightblue",add=T, at = 5:8, boxwex = 0.5)#在图上画出A5~A8，注意：add=T，代表添加至上一张图上。legend("topright", c("A1","A2","A3","A4","A5","A6","A7","A8"),fill = c("red","red","red","red","lightblue","lightblue","lightblue","lightblue"),cex=0.8)#添加图例

向右滑动查看更多

那如何再美化亿点点呢？这就需要使用ggplot2包了

用ggplot2包绘制箱线图

首先安装及加载ggplot2包#安装包install.packages("ggplot2")   #加载包library("ggplot2")
# 数据创建
data.frame(value=rep(rnorm(10,10),4), Type=rep(c("A1","A2","A3","A4","A5","A6","A7","A8"),5))->data

# 绘制箱线图
ggplot(data,aes(Type,value,fill=Type)) + geom_boxplot()

向右滑动查看更多

#进一步美化
install.packages("ggthemes")library(ggthemes)
ggplot(data,aes(x = Type, y = value, fill = Type)) +        geom_boxplot() +        scale_y_continuous(name = "sample_value")+#给y轴命名        scale_x_discrete(name = "sample_Type") +        #给x轴命名        ggtitle("sample_boxplot") +        #给图标表命名        theme_calc() +        #设置office Excel风格的主题        theme(plot.title = element_text(size = 14, face =  "bold"),              text = element_text(size = 12),              axis.title = element_text(face="bold"),              axis.text.x=element_text(size = 11))         #调整x、y轴标签及标题的字体大小