写在前面
昨天我们分享了使用Python绘制折线图的教程,跟着NC学作图 | 使用python绘制折线图,考虑到很多同学基本不使用Python
绘图。那么,我们也使用R语言复现此图形。
此外,在前期的教程中,我们基本没有分享过折线图
的教程。因此,我们在这里也制作一期关于折线图的教程。在后续的教程,会陆续进行更新。在教程中,小杜会对相关的参数进行注释,尽可能的为大家(自己)后续的绘图提供方便。
该系列的教程,在每个教程末尾我们会提供全部的数据和代码。
文献中图形
![](https://img.haomeiwen.com/i18865546/c0432c84be1b1cc4.png)
复现图形
![](https://img.haomeiwen.com/i18865546/aac64b2122f69b31.png)
![](https://img.haomeiwen.com/i18865546/ddc74af009f0ff69.png)
欢迎投稿
小杜
一直在分享自己平时学习笔记,因此分享的内容大多数是与自己相关的,局限性比较大
。我一直在倡导大家一起分享自己学习笔记或教程。分享内容不限于生信教程
,可以是文章or文献
、遇到的问题及解决方案
、学习感悟
等等。
绘图
加载相关包和数据转换
library(tidyverse)
library(ggplot2)
library(RColorBrewer)
导入数据
##导入数据
df <- read.csv("20230820数据.csv",header = T)
head(df)
提供的数是此类型的数据格式
![](https://img.haomeiwen.com/i18865546/7affd16c37a2fcb1.png)
我们需要的数据格式为
![](https://img.haomeiwen.com/i18865546/b07215b2ae16e190.png)
转换方法一:自己手动转换,每个数据进行在Execl中手动转换,总的有38个数据数据,共380行,花费时间1个小时左右。
方法二:
## 转换数据
df_long <- df %>%
rownames_to_column("type") %>%
pivot_longer(-type, names_to = "Group", values_to = "Exp")
df2 <- df_long %>%
select(type, Exp, Group) %>%
arrange(Group, type)
#数据类型
df2[1:20,1:3]
![](https://img.haomeiwen.com/i18865546/4b3f088bd71a7e25.png)
数据格式
> str(df2)
'data.frame': 380 obs. of 3 variables:
$ type : Factor w/ 10 levels "1","2","3","4",..: 1 10 2 3 4 5 6 7 8 9 ...
$ Exp : num 8.58 9.94 8.04 11.21 11.41 ...
$ Group: chr "A1" "A1" "A1" "A1" ...
绘制基础图形
##'@绘制基础图形
ggplot(df2,aes(Group,
Exp, group = type, color = type))+
geom_point(size = 4)+
geom_line(position = position_dodge(0.1),cex = 1.3)+
theme(#legend.position = c(0.2,0.8),
legend.background = element_blank(),
legend.title = element_text(size = 15),
legend.text = element_text(size = 10),
axis.text.y = element_text(angle = 90))
![](https://img.haomeiwen.com/i18865546/e5308198b107868a.png)
更改X轴的排序
使用factor()即可指定排序顺序。
.....
....
....
..
..
.......详情请移步
输出文件
##输出为pdf
ggsave("20230821-1.折线图.pdf",width = 14, height = 6)
##输出为jpg图片
ggsave("20230821-1.折线图.jpg",width = 14, height = 6)
![](https://img.haomeiwen.com/i18865546/ddc74af009f0ff69.png)
往期文章:
1. 最全WGCNA教程(替换数据即可出全部结果与图形)
2. 精美图形绘制教程
3. 转录组分析教程
小杜的生信筆記,主要发表或收录生物信息学的教程,以及基于R的分析和可视化(包括数据分析,图形绘制等);分享感兴趣的文献和学习资料!!
网友评论