3分钟学会，让你的导师眼前一亮的柱状图

2022-10-25 03:42:37, 多层组学定制服务上海欧易生物医学科技有限公司

柱状图是一种常见的数据可视化方式，主要用于展示趋势、排序、分布、相关性等数据分析的含义、应用广泛。柱状图有许多类型，包括常规款、堆积柱状图、簇状图等，种类繁多，让人眼花缭乱，那我们怎么用R语言绘制想要的形式呢？下面小鹿就带大家一起去看看！

1.常规柱状图

我们经常会对KEGG中重要的代谢通路进行绘图，下面就用柱状图来展示代谢通路富集结果：

#载入R包，没有请先安装library(openxlsx)library(ggplot2)library(dplyr)library(tidyverse)library(reshape2)library(ggExtra)#数据处理data <- read.xlsx("data.xlsx")data <- data[order(data$log,decreasing = T),]data[''term''] <- factor(data[["term"]],levels = as.character(data[["term"]]))head(data)

#绘图col<- c("#000000","#191970","#000080","#0000CD","#0000EE","#0000FF")#颜色自定义p <- ggplot(data,aes(x=log,y=term,fill=log))+labs(x="-log(Pvalue)",y="")+  geom_bar(stat = "identity",position = "dodge",width = 0.6)+#水平柱状图  scale_x_continuous(expand = c(0,0))+#去除柱子与y轴间的距离  theme(panel.background = element_blank(),#绘图背景色        panel.border = element_rect(fill=NA,color="black", size=1),#绘图边界        axis.ticks.length.y = unit(0, ''cm''),#y轴刻度线        axis.ticks.length.x = unit(-0.1, ''cm''),#x轴刻度线        legend.position = "none",#隐藏图例        axis.text.y = element_text(colour = "black"),#y轴标签颜色        text = element_text(family = "sans"))+#指定字体  scale_fill_gradientn(colours=colorRampPalette(rev(col))(length(data$log)))+#柱子填充色为自定义渐变色  geom_vline(xintercept=-log10(0.01), linetype=5,colour = "red",lwd = 1)+#垂直参考线  geom_vline(xintercept=-log10(0.05), linetype=5,colour = "blue",lwd = 1)

2.堆积柱状图

微生物研究中，往往要对样本中的微生物种类进行统计，下面就从统计每个样本中门的数量分布来观察不同样本的物种丰富程度。

data1 <- read.xlsx("d2.xlsx",1)head(data1)

#数据处理——phylum（门）蛋白数量最多的10个门绘制堆积图d1 <- data1#筛选排名前十的门phy1 <- as.data.frame(sort(table(d1$phylum),decreasing = T))[1:10,]colnames(phy1) <- c("phylum","number") d1[,2:10][which(!(is.na(d1[,2:10])),arr.ind = T)] <- 1d1[,2:10][which((is.na(d1[,2:10])),arr.ind = T)] <- 0mydata1 <- subset(d1,d1$phylum %in% phy1$phylum)d2 <- aggregate(mydata1[,2:10],list(mydata1$phylum),sum)colnames(d2)[1] <- "phylum" #某列重命名d2 <- merge(d2,phy1) d2 <- d2[order(d2$number,decreasing = T),]#统计每个样本的每个门下对应的蛋白表达个数d2$phylum <- apply(d2["phylum"],1,function(x){paste("p_",x,collapse = "")})d2$phylum <- factor(d2$phylum, levels = rev(d2$phylum))data <- melt(d2[,-dim(d2)[2]],id="phylum")#绘图数据

绘图：#自定义填充色颜色fill1 <- c("#8E44AD","#BB8FCE","#E67E22","#F8C471","#FC4A24","#FD7B5F","#2ECC71","#9CF699","#3498DB","#85C1E9")p <- ggplot(data,aes(x=variable,y=value,fill=phylum))+  geom_bar(stat = "identity",position = "fill",width = 0.65)+#比例堆叠柱状图  scale_fill_discrete(type = rev(fill1))p1 <- p + ylab("Relative Abundance(%)") + xlab("")+   theme(text=element_text(size=16,  family="serif"),#图形文本大小字体        axis.text.x = element_text(angle = 30, hjust = 1, vjust = 1),#x轴标签位置调整        panel.border = element_rect(fill=NA,color="grey", size=1),#绘图区边界线        panel.background = element_blank(),#绘图区背景        legend.title = element_blank(),#隐藏图例标题        legend.key.size = unit(20, "pt"),#图例键大小        legend.key.height = unit(10, "pt"),#图例键长        legend.key.width = unit(10, "pt"))#图例键宽

3.边缘柱状图

当然，柱状图也可以和其它类型图片结合，比如散点图、箱线图、密度图、小提琴图、热图等，下面展示一下密度边缘直方图：

data <- data1[c("MW.[kDa]","calc..pI")]colnames(data) <- c("MW","PI")head(data)

#绘制散点图p <- ggplot(data = data,aes(x=MW,y=PI))+  geom_point(colour="#8A2BE2",size=1.5)+#散点图点颜色大小  geom_rug(color = "#8A2BE2",length = unit(0.4, "cm"))+#边缘地毯颜色长度  xlab("Molecular Weight")+ylab("Isoelectric Point")+  theme_classic()#主题#添加边际直方图p <- ggMarginal(p,type = "histogram",#边际类型           xparams = list(fill="#8DEEEE",color = "#D3D3D3"),#X边际颜色           yparams = list(fill="#FFE4E1",color = "#D3D3D3"))#Y边际颜色