本期内容为R语言精美图形系列 | 多分类散点图
--

导入数据及相关的R包
options(stringsAsFactors = FALSE)
library(dplyr)
require(data.table)
library(ggplot2)
library(reshape)
library(cowplot)
seq_metrics <- read.csv("seq_metrics.csv", header = T)
head(seq_metrics)
绘图
##'@基础图形
ggplot(data=seq_metrics, aes(x=factor(coinf_maj_match), y=coinf_maj_ratio ,colour=Delta)) +
geom_jitter(aes(shape=Coinf),alpha=0.9,width = 0.25, height = 0)
添加多组数据分类
ggplot(data=seq_metrics, aes(x=factor(coinf_maj_match), y=coinf_maj_ratio ,colour=Delta)) +
geom_jitter(aes(shape=Coinf),alpha=0.9,width = 0.25, height = 0) +
facet_grid(.~proto)
进行图形美化
使用scale_color_gradient2()函数设置颜色,进行美化。
scale_color_gradient2(low = "steelblue1", mid = "cyan4", high = "tomato", #设置颜色
breaks=c(0,10,20,30,40,50,60,70,80,90,100), midpoint = 50, #左侧显示的参数
name = "Delta:Omicron", ## 更改标签的名称
labels = c("0:100","10:90","20:80", "30:70","40:60","50:50","60:40","70:30",
"80:20","90:10","100:0"))
使用scale_shape()函数更改二级标签的名称
ggplot(data=seq_metrics, aes(x=factor(coinf_maj_match), y=coinf_maj_ratio ,colour=Delta)) +
geom_jitter(aes(shape=Coinf),alpha=0.9,width = 0.25, height = 0) +
facet_grid(.~proto) + ##添加多组分类
ylab("Main Lineage Mutation Ratio") + xlab("Main Lineage Identification") +
ylim(c(0.5,1)) +
## 设置颜色
scale_color_gradient2(low = "steelblue1", mid = "cyan4", high = "tomato", #设置颜色
breaks=c(0,10,20,30,40,50,60,70,80,90,100), midpoint = 50, #左侧显示的参数
name = "Delta:Omicron", ## 更改标签的名称
labels = c("0:100","10:90","20:80", "30:70","40:60","50:50","60:40","70:30",
"80:20","90:10","100:0")) +
scale_shape(name = "Experimental\nCoinfection"
第二张图同样的代码
ggplot(data=seq_metrics, aes(x=factor(coinf_maj_match), y=coinf_maj_ratio ,colour=Delta)) +
geom_jitter(aes(shape=Coinf),alpha=0.9,width = 0.25, height = 0) +
facet_grid(.~proto) + ##添加多组分类
ylab("Main Lineage Mutation Ratio") + xlab("Main Lineage Identification") +
ylim(c(0.5,1)) +
## 设置颜色
scale_color_gradient2(low = "steelblue1", mid = "cyan4", high = "tomato", #设置颜色
breaks=c(0,10,20,30,40,50,60,70,80,90,100), midpoint = 50, #左侧显示的参数
name = "Delta:Omicron", ## 更改标签的名称
labels = c("0:100","10:90","20:80", "30:70","40:60","50:50","60:40","70:30",
"80:20","90:10","100:0")) +
scale_shape(name = "Experimental\nCoinfection") +
theme_bw() + theme( axis.text.x = element_text(vjust=0.5, size=10,angle=45))
往期文章(总汇)--点击链接进入(列出部分,并非全部)
01-[R语言可视化-精美图形绘制系列]--精美火山图
02-R语言可视化-精美图形绘制系列--柱状图
03-R语言可视化-精美图形绘制系列--功能富集分析
04-R语言可视化-精美图形绘制系列—多组GO富集可视化
05-[R语言可视化-精美图形绘制系列--堆积图]
06-[R语言可视化-精美图形绘制系列--组间相关性分析]
07-[R语言可视化-精美图形绘制系列]--Mental分析
08-[R语言可视化-精美图形绘制系列--复杂热图+两图渐变连线]-【转载】
09-[R语言可视化-精美图形绘制系列--桑基图(Sankey)]
10-[R语言可视化-精美图形绘制系列--柱状图误差线标记]11-跟着NC学作图 | 柱状图与相关性图12-[R语言可视化-精美图形绘制系列--GO、KEGG富集通路关联图]
13-[跟着“基迪奥生物学”作图]--截断图14-[R语言可视化-精美图形绘制系列]--显著性箱线图
14-2[R语言可视化]--箱线图不同的画法及参数设置 | 学习笔记15-[R语言可视化-精美图形绘制系列]--组内相关性分析
16-[R语言可视化-精美图形绘制系列]--主成分分析(PCA)
17-[跟着NC学作图]--箱线图(一个函数获得Mean、SD、P值)
18-[跟着NC学作图]--生存分析(Survival analysis)
19-[跟着NC学作图]--散点图20-[R语言可视化-精美图形绘制系列]--散点图+箱线图组合图
21-[跟着NC学作图]-柱状堆积图22-[跟着NC学作图]-绘制频率分布图(图中图)
22-[R语言可视化-精美图形绘制系列]--FPI箱线图
23-跟着NC做基因组数据分析24-使用OmicCircos包--绘制基因圈图
25-跟着iMeta学作图 | 棒棒图和显著相关性散点图
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