箱线图与分面--ggplot2

利用ggplot2绘制箱线图,并进行分面处理。

加载相应的R包与数据设置

library('ggplot2')########################画图
library('reshape2')########################melt
library('grid') ########################分面
A =rep( c("A","B","C","D"),each=2)
B = c(6.332968,9.368328,6.674348,4.127901,5.192845,6.652865,7.829350,6.995062)
C = c(5.367671,7.286253,5.217053,3.875520,6.679444,6.127819,5.091166,7.942029)
D = c(5.171107,6.232718,5.320568,4.924498,7.140883,4.228142,5.793514,6.347785)
E = c(5.533754,6.152393,6.113618,4.960935,5.959568,5.078903,4.871103,5.223206)
F = rep(c("sample1","sample2"),len=4)
dat = data.frame(A,B,C,D,E)
names(dat)[1] = c("type")
names(dat)[2:5]=F
dat = melt(dat,variable.name="Sample",value.name = "Num")
head(dat)

绘制基本的箱线图

##################按照类型进行统计

P_box=ggplot(data=dat,aes(x=type,y=Num)) +
geom_boxplot(fill="grey",width=0.4,notch=F)+ ##########填充颜色fill, 宽,中位线缺刻notch=T
labs(x="type",y="Num")+
theme(plot.title = element_text(size = 25,face = "bold", vjust = 0.5, hjust = 0.5),
legend.title = element_blank(),
legend.text = element_text(size = 18, face = "bold"),
legend.position = 'right',
legend.key.size=unit(0.8,'cm'),
axis.ticks.x=element_blank(),###########取消x轴刻度线
axis.text.x=element_text(size = 10,face = "bold", vjust = 0.5, hjust = 0.5),############刻度标签文字大小等设置
axis.text.y=element_text(size = 10,face = "bold", vjust = 0.5, hjust = 0.5),
axis.title.x = element_text(size = 20,face = "bold", vjust = 0.5, hjust = 0.5),
axis.title.y = element_text(size = 20,face = "bold", vjust = 0.5, hjust = 0.5),
######取消默认的背景颜色方框等
panel.background = element_rect(fill = "transparent",colour = "black"),
panel.grid.minor = element_blank(),
panel.grid.major = element_blank(),
plot.background = element_rect(fill = "transparent",colour = "black"))
print(P_box)

attachments-2018-05-75mi6kBI5afbb9e26e1d4.png

利用样品进行分面

# 基于样品进行分面

P_box=ggplot(data=dat,aes(x=type,y=Num)) +
geom_boxplot(fill="grey",width=0.4,notch=F)+
labs(x="type",y="Num")+
theme(plot.title = element_text(size = 25,face = "bold", vjust = 0.5, hjust = 0.5),
legend.title = element_blank(),
legend.text = element_text(size = 18, face = "bold"),
legend.position = 'right',
legend.key.size=unit(0.8,'cm'),
axis.ticks.x=element_blank(),
axis.text.x=element_text(size = 10,face = "bold", vjust = 0.5, hjust = 0.5),
axis.text.y=element_text(size = 10,face = "bold", vjust = 0.5, hjust = 0.5),
axis.title.x = element_text(size = 20,face = "bold", vjust = 0.5, hjust = 0.5),
axis.title.y = element_text(size = 20,face = "bold", vjust = 0.5, hjust = 0.5),
panel.background = element_rect(fill = "transparent",colour = "black"),
panel.grid.minor = element_blank(),
panel.grid.major = element_blank(),
plot.background = element_rect(fill = "transparent",colour = "black"))+
facet_grid(.~Sample) #########分面
print(P_box)


attachments-2018-05-D7yfROye5afbb9f2965ac.png

如果想提升自己的绘图技能,我们推荐:R语言绘图基础(ggplot2)


更多生物信息课程:

1. 文章越来越难发?是你没发现新思路,基因家族分析发2-4分文章简单快速,学习链接:基因家族分析实操课程基因家族文献思路解读

2. 转录组数据理解不深入?图表看不懂?点击链接学习深入解读数据结果文件,学习链接:转录组(有参)结果解读转录组(无参)结果解读

3. 转录组数据深入挖掘技能-WGCNA,提升你的文章档次,学习链接:WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘?学习链接:转录组标准分析后的数据挖掘转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读OTU网络图绘制cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课:linux系统使用perl入门到精通perl语言高级R语言入门R语言画图

7. 医学相关数据挖掘课程,不用做实验也能发文章:TCGA-差异基因分析GEO芯片数据挖掘GEO芯片数据标准化GSEA富集分析课程TCGA临床数据生存分析TCGA-转录因子分析TCGA-ceRNA调控网络分析

8.其他,二代测序转录组数据自主分析NCBI数据上传二代测序数据解读


  • 发表于 2018-05-16 12:57
  • 阅读 ( 6175 )
  • 分类:R

0 条评论

请先 登录 后评论
Daitoue
Daitoue

167 篇文章

作家榜 »

  1. omicsgene 579 文章
  2. 安生水 263 文章
  3. Daitoue 167 文章
  4. 生物女学霸 120 文章
  5. 红橙子 78 文章
  6. CORNERSTONE 72 文章
  7. 生信老顽童 52 文章
  8. landy 37 文章