2020国产成人精品视频,性做久久久久久久久,亚洲国产成人久久综合一区,亚洲影院天堂中文av色

分享

利用ggplot2畫出各種漂亮圖片詳細教程 | Public Library of Bioinformatics

 panhoy 2015-09-09

《使用ggplot2畫圖

作者:Guangchuang Yu

原文鏈接:http:///2014/05/11/use-ggplot2/

1、Why use ggplot2

ggplot2是我見過最human friendly的畫圖軟件,這得益于Leland Wilkinson在他的著作《The Grammar of Graphics》中提出了一套圖形語法,把圖形元素抽象成可以自由組合的成分,Hadley Wickham把這套想法在R中實現(xiàn)。

為什么要學習ggplot2,可以參考ggplot2: 數(shù)據(jù)分析與圖形藝術(shù)序言(btw: 在序言的最后,我被致謝了)。

Hadley Wickham也給出一堆理由讓我們說服自己,我想再補充一點,Hadley Wickham是學醫(yī)出身的,做為學生物出身的人有什么理由不支持呢:)

ggplot2基本要素

  • 數(shù)據(jù)(Data)和映射(Mapping)
  • 幾何對象(Geometric)
  • 標尺(Scale)
  • 統(tǒng)計變換(Statistics)
  • 坐標系統(tǒng)(Coordinante)
  • 圖層(Layer)
  • 分面(Facet)
  • 主題(Theme)

這里將從這些基本要素對ggplot2進行介紹。

2、數(shù)據(jù)(Data)和映射(Mapping)

下面以一份鉆石的數(shù)據(jù)為例,這份數(shù)據(jù)非常大,隨機取一個子集來畫圖。

1require(ggplot2)
2data(diamonds)
3set.seed(42)
4small <- diamonds[sample(nrow(diamonds), 1000), ]
5head(small)
1##       carat       cut color clarity depth table price    x    y    z
2## 49345  0.71 Very Good     H     SI1  62.5    60  2096 5.68 5.75 3.57
3## 50545  0.79   Premium     H     SI1  61.8    59  2275 5.97 5.91 3.67
4## 15434  1.03     Ideal     F     SI1  62.4    57  6178 6.48 6.44 4.03
5## 44792  0.50     Ideal     E     VS2  62.2    54  1624 5.08 5.11 3.17
6## 34614  0.27     Ideal     E     VS1  61.6    56   470 4.14 4.17 2.56
7## 27998  0.30   Premium     E     VS2  61.7    58   658 4.32 4.34 2.67
1summary(small)
01##      carat              cut      color      clarity        depth    
02##  Min.   :0.220   Fair     : 28   D:121   SI1    :258   Min.   :55.2 
03##  1st Qu.:0.400   Good     : 88   E:186   VS2    :231   1st Qu.:61.0 
04##  Median :0.710   Very Good:227   F:164   SI2    :175   Median :61.8 
05##  Mean   :0.819   Premium  :257   G:216   VS1    :141   Mean   :61.7 
06##  3rd Qu.:1.070   Ideal    :400   H:154   VVS2   : 91   3rd Qu.:62.5 
07##  Max.   :2.660                   I:106   VVS1   : 67   Max.   :72.2 
08##                                  J: 53   (Other): 37                
09##      table          price             x              y      
10##  Min.   :50.1   Min.   :  342   Min.   :3.85   Min.   :3.84 
11##  1st Qu.:56.0   1st Qu.:  990   1st Qu.:4.74   1st Qu.:4.76 
12##  Median :57.0   Median : 2595   Median :5.75   Median :5.78 
13##  Mean   :57.4   Mean   : 4111   Mean   :5.79   Mean   :5.79 
14##  3rd Qu.:59.0   3rd Qu.: 5495   3rd Qu.:6.60   3rd Qu.:6.61 
15##  Max.   :65.0   Max.   :18795   Max.   :8.83   Max.   :8.87 
16##                                                             
17##        z      
18##  Min.   :2.33 
19##  1st Qu.:2.92 
20##  Median :3.55 
21##  Mean   :3.57 
22##  3rd Qu.:4.07 
23##  Max.   :5.58 
24##

畫圖實際上是把數(shù)據(jù)中的變量映射到圖形屬性上。以克拉(carat)數(shù)為X軸變量,價格(price)為Y軸變量。

1p <- ggplot(data = small, mapping = aes(x = carat, y = price))

上面這行代碼把數(shù)據(jù)映射XY坐標軸上,需要告訴ggplot2,這些數(shù)據(jù)要映射成什么樣的幾何對象,下面以散點為例:

1p + geom_point()

ggplot2_fig1

幾何對象將在下面的小節(jié)介紹,這一節(jié),關(guān)注的是數(shù)據(jù)和圖形屬性之間的映射。

如果想將切工(cut)映射到形狀屬性。只需要:

1p <- ggplot(data=small, mapping=aes(x=carat, y=price, shape=cut))
2p+geom_point()

ggplot2_fig2

再比如我想將鉆石的顏色(color)映射顏色屬性:

1p <- ggplot(data=small, mapping=aes(x=carat, y=price, shape=cut, colour=color))
2p+geom_point()

ggplot2_fig3

3、幾何對象(Geometric)

在上面的例子中,各種屬性映射由ggplot函數(shù)執(zhí)行,只需要加一個圖層,使用geom_point()告訴ggplot要畫散點,于是所有的屬性都映射到散點上。

geom_point()完成的就是幾何對象的映射,ggplot2提供了各種幾何對象映射,如geom_histogram用于直方圖,geom_bar用于畫柱狀圖,geom_boxplot用于畫箱式圖等等。

不同的幾何對象,要求的屬性會有些不同,這些屬性也可以在幾何對象映射時提供,比如上一圖,也可以用以下語法來畫:

1p <- ggplot(small)
2p+geom_point(aes(x=carat, y=price, shape=cut, colour=color))

ggplot2支持圖層,我通常把不同的圖層中共用的映射提供給ggplot函數(shù),而某一幾何對象才需要的映射參數(shù)提供給geom_xxx函數(shù)。

這一小節(jié)我們來看一下各種常用的幾何對象。

直方圖

直方圖最容易,提供一個x變量,畫出數(shù)據(jù)的分布。

1ggplot(small)+geom_histogram(aes(x=price))

ggplot2_fig4

同樣可以根據(jù)另外的變量給它填充顏色,比如按不同的切工:

1ggplot(small)+geom_histogram(aes(x=price, fill=cut))

ggplot2_fig5

也可以將其分開,side-by-side地畫直方圖。

1ggplot(small)+geom_histogram(aes(x=price, fill=cut), position="dodge")

還可以使用position="fill",按照相對比例來畫。

1ggplot(small)+geom_histogram(aes(x=price, fill=cut), position="fill")

ggplot2_fig7

柱狀圖

柱狀圖非常適合于畫分類變量。在這里以透明度(clarity)變量為例。按照不同透明度的鉆石的數(shù)目畫柱狀圖。

1ggplot(small)+geom_bar(aes(x=clarity))

ggplot2_fig8

柱狀圖兩個要素,一個是分類變量,一個是數(shù)目,也就是柱子的高度。數(shù)目在這里不用提供,因為ggplot2會通過x變量計算各個分類的數(shù)目。

當然你想提供也是可以的,通過stat參數(shù),可以讓geom_bar按指定高度畫圖,比如以下代碼:

1ggplot()+geom_bar(aes(x=c(LETTERS[1:3]),y=1:3), stat="identity")

ggplot2_fig24

柱狀圖和直方圖是很像的,直方圖把連續(xù)型的數(shù)據(jù)按照一個個等長的分區(qū)(bin)來切分,然后計數(shù),畫柱狀圖。而柱狀圖是分類數(shù)據(jù),按類別計數(shù)。我們可以用前面直方圖的參數(shù)來畫side-by-side的柱狀圖,填充顏色或者按比例畫圖,它們是高度一致的。

柱狀圖是用來表示計數(shù)數(shù)據(jù)的,但在生物界卻被經(jīng)常拿來表示均值,加上誤差來表示數(shù)據(jù)分布,這可以通常圖層來實現(xiàn),我將在圖層一節(jié)中給出實例。

密度函數(shù)圖

說到直方圖,就不得不說密度函數(shù)圖,數(shù)據(jù)和映射和直方圖是一樣的,唯一不同的是幾何對象,geom_histogram告訴ggplot要畫直方圖,而geom_density則說我們要畫密度函數(shù)圖,在我們熟悉前面語法的情況下,很容易畫出:

1ggplot(small)+geom_density(aes(x=price, colour=cut))

ggplot2_fig9

1ggplot(small)+geom_density(aes(x=price,fill=clarity))

ggplot2_fig10

colour參數(shù)指定的是曲線的顏色,而fill是往曲線下面填充顏色。

箱式圖

數(shù)據(jù)量比較大的時候,用直方圖和密度函數(shù)圖是表示數(shù)據(jù)分布的好方法,而在數(shù)據(jù)量較少的時候,比如很多的生物實驗,很多時候大家都是使用柱狀圖+errorbar的形式來表示,不過這種方法的信息量非常低,被Nature Methods吐槽,這種情況推薦使用boxplot。

1ggplot(small)+geom_boxplot(aes(x=cut, y=price,fill=color))

geom_boxplot將數(shù)據(jù)映射到箱式圖上,上面的代碼,我們應(yīng)該很熟悉了,按切工(cut)分類,對價格(price)變量畫箱式圖,再分開按照color變量填充顏色。
ggplot2_fig11

ggplot2提供了很多的geom_xxx函數(shù),可以滿足我們對各種圖形繪制的需求。

01geom_abline    geom_area  
02geom_bar       geom_bin2d
03geom_blank     geom_boxplot  
04geom_contour   geom_crossbar
05geom_density   geom_density2d   
06geom_dotplot   geom_errorbar
07geom_errorbarh    geom_freqpoly 
08geom_hex       geom_histogram
09geom_hline     geom_jitter   
10geom_line      geom_linerange
11geom_map       geom_path  
12geom_point     geom_pointrange
13geom_polygon   geom_quantile 
14geom_raster    geom_rect
15geom_ribbon    geom_rug   
16geom_segment   geom_smooth
17geom_step      geom_text  
18geom_tile      geom_violin
19geom_vline

4、標尺(Scale)

前面我們已經(jīng)看到了,畫圖就是在做映射,不管是映射到不同的幾何對象上,還是映射各種圖形屬性。這一小節(jié)介紹標尺,在對圖形屬性進行映射之后,使用標尺可以控制這些屬性的顯示方式,比如坐標刻度,可能通過標尺,將坐標進行對數(shù)變換;比如顏色屬性,也可以通過標尺,進行改變。

1ggplot(small)+geom_point(aes(x=carat, y=price, shape=cut, colour=color))+scale_y_log10()+scale_colour_manual(values=rainbow(7))

ggplot2_fig12

以數(shù)據(jù)(Data)和映射(Mapping)一節(jié)中所畫散點圖為例,將Y軸坐標進行l(wèi)og10變換,再自己定義顏色為彩虹色。

5、統(tǒng)計變換(Statistics)

統(tǒng)計變換對原始數(shù)據(jù)進行某種計算,然后在圖上表示出來,例如對散點圖上加一條回歸線。

1ggplot(small, aes(x=carat, y=price))+geom_point()+scale_y_log10()+stat_smooth()

ggplot2_fig13

這里就不按顏色、切工來分了,不然ggplot會按不同的分類變量分別做回歸,圖就很亂,如果我們需要這樣做,我們可以使用分面,這個將在后面介紹。

這里,aes所提供的參數(shù),就通過ggplot提供,而不是提供給geom_point,因為ggplot里的參數(shù),相當于全局變量,geom_point()和stat_smooth()都知道x,y的映射,如果只提供給geom_point(),則相當于是局部變量,geom_point知道這種映射,而stat_smooth不知道,當然你再給stat_smooth也提供x,y的映射,不過共用的映射,還是提供給ggplot好。
ggplot2提供了多種統(tǒng)計變換方式:

1stat_abline       stat_contour      stat_identity     stat_summary
2stat_bin          stat_density      stat_qq           stat_summary2d
3stat_bin2d        stat_density2d    stat_quantile     stat_summary_hex
4stat_bindot       stat_ecdf         stat_smooth       stat_unique
5stat_binhex       stat_function     stat_spoke        stat_vline
6stat_boxplot      stat_hline        stat_sum          stat_ydensity

統(tǒng)計變換是非常重要的功能,我們可以自己寫函數(shù),基于原始數(shù)據(jù)做某種計算,并在圖上表現(xiàn)出來,也可以通過它改變geom_xxx函數(shù)畫圖的默認統(tǒng)計參數(shù)。
比如我在Proteomic investigation of the interactome of FMNL1 in hematopoietic cells unveils a role in calcium-dependent membrane plasticity的圖一中,就把boxplot的中位線替換成了平均值來作圖。

6、坐標系統(tǒng)(Coordinante)

坐標系統(tǒng)控制坐標軸,可以進行變換,例如XY軸翻轉(zhuǎn),笛卡爾坐標和極坐標轉(zhuǎn)換,以滿足我們的各種需求。

坐標軸翻轉(zhuǎn)由coord_flip()實現(xiàn)

1ggplot(small)+geom_bar(aes(x=cut, fill=cut))+coord_flip()

ggplot2_fig14

而轉(zhuǎn)換成極坐標可以由coord_polar()實現(xiàn):

1ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar(theta="y")

ggplot2.fig15

這也是為什么之前介紹常用圖形畫法時沒有提及餅圖的原因,餅圖實際上就是柱狀圖,只不過是使用極坐標而已,柱狀圖的高度,對應(yīng)于餅圖的弧度,餅圖并不推薦,因為人類的眼睛比較弧度的能力比不上比較高度(柱狀圖)

還可以畫靶心圖:

1ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar()

ggplot2_fig16

以及風玫瑰圖(windrose)

1ggplot(small)+geom_bar(aes(x=clarity, fill=cut))+coord_polar()

ggplot2_fig17

7、圖層(Layer)

photoshop流行的原因在于PS 3.0時引入圖層的概念,ggplot的牛B之處在于使用+號來疊加圖層,這堪稱是泛型編程的典范。
在前面散點圖上,我們已經(jīng)見識過,加上了一個回歸線擬合的圖層。

有了圖層的概念,使用ggplot畫起圖來,就更加得心應(yīng)手。

做為圖層的一個很好的例子是蝙蝠俠logo,batman logo由6個函數(shù)組成,在下面的例子中,我先畫第一個函數(shù),之后再加一個圖層畫第二個函數(shù),不斷重復這一過程,直到六個函數(shù)全部畫好。

01require(ggplot2)
02f1data.frame(x=x,y=y)
03   d -3*sqrt(33)/7,]
04   return(d)
05}
06  
07x1data.frame(x2=x2, y2=y2)
08p2data.frame(x3=x3, y3=y3)
09p3data.frame(x4=x4,y4=y4)
10p4data.frame(x5=x5,y5=y5)
11p5data.frame(x6=x6,y6=y6)
12p6

 

ggplot2_batman

下面再以生物界中常用的柱狀圖+誤差圖為實例,展示ggplot2非常靈活的圖層。以我2011年發(fā)表的文章Phosphoproteome profile of human lung cancer cell line A549中的westernblot數(shù)據(jù)為例。

1Normaldata.frame(V=c("Normal", "Cancer"), mean=m, sd=s)
2d$V

8、分面(Facet)

分面可以讓我們按照某種給定的條件,對數(shù)據(jù)進行分組,然后分別畫圖。

在統(tǒng)計變換一節(jié)中,提到如果按切工分組作回歸線,顯然圖會很亂,有了分面功能,我們可以分別作圖。

1ggplot(small, aes(x=carat, y=price))+geom_point(aes(colour=cut))+scale_y_log10() +facet_wrap(~cut)+stat_smooth()

ggplot2_fig18

9、主題(Theme)

通過ggplot畫圖之后,我們可能還需要對圖進行定制,像title, xlab, ylab這些高頻需要用到的,自不用說,ggplot2提供了ggtitle(), xlab()和ylab()來實現(xiàn)。

比如:

1p

ggplot2.fig19
但是這個遠遠滿足不了需求,我們需要改變字體,字體大小,坐標軸,背景等各種元素,這需要通過theme()函數(shù)來完成。

ggplot2提供一些已經(jīng)寫好的主題,比如theme_grey()為默認主題,我經(jīng)常用的theme_bw()為白色背景的主題,還有theme_classic()主題,和R的基礎(chǔ)畫圖函數(shù)較像。

別外ggthemes包提供了一些主題可供使用,包括:

1theme_economist theme_economist_white
2theme_wsj      theme_excel
3theme_few      theme_foundation
4theme_igray    theme_solarized
5theme_stata    theme_tufte
1require(ggthemes)
2p + theme_wsj()

ggplot2_fig20

在2013年發(fā)表的文章Putative cobalt- and nickel-binding proteins and motifs in Streptococcus pneumoniae中的圖3就是使用theme_stata來畫的。

至于如何改變這些元素,我覺得我之前畫囧字的博文可以做為例子:

1fdata.frame(x=x,y=y)
2  
3p

jiong

詳細的說明,可以參考?theme的幫助文檔。

10、二維密度圖

在這個文檔里,為了作圖方便,我們使用diamonds數(shù)據(jù)集的一個子集,如果使用全集,數(shù)據(jù)量太大,畫出來散點就糊了,這種情況可以使用二維密度力來呈現(xiàn)。

1ggplot(diamonds, aes(carat, price))+ stat_density2d(aes(fill = ..level..), geom="polygon")+ scale_fill_continuous(high='darkred',low='darkgreen')

ggplot2.fig22

11、ggplot2實戰(zhàn)

果殼知性里有帖子介紹了個猥瑣邪惡的曲線,引來無數(shù)宅男用各種工具來畫圖,甚至于3D動態(tài)圖都出來了。這里用ggplot2來畫。3D版本請猛擊此處。

1fdata.frame(x=c(x1,x2,x3), y=rep(y,3), type=rep(LETTERS[1:3], each=length(y)))
2p

再來一個蝴蝶圖,詳見《Modern Applied Statistics with S-PLUS》第一章。

1theta data.frame(x=radius*sin(theta), y=radius*cos(theta))
2ggplot(dd, aes(x, y))+geom_path()+theme_null()+xlab("")+ylab("")

ggplot2_fig25

 

 

 

    本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間,所有內(nèi)容均由用戶發(fā)布,不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式、誘導購買等信息,謹防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容,請點擊一鍵舉報。
    轉(zhuǎn)藏 分享 獻花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多