直方图又称柱状图/条形图，用来展示连续数据分布的常用工具，用来估计数据的概率分布。

1.利用hist()函数绘制

使用格式：hist(x,breaks=n,main="name",labels=FASLE,col="blue",border="red",freq=TRUE)
x 向量，直方图的数据;
breaks 描直方图的断点,例如breaks=20表示画出20个柱子；
labels 逻辑变量，TRUE标出频数
main 标题
col 颜色
border外框颜色
freq 逻辑变量，TRUE为数据频数，默认为TRUE；FALSE则为密度

> data(mtcars) #加载数据
> head(mtcars)
                   mpg cyl disp  hp drat    wt  qsec vs am gear carb
Mazda RX4         21.0   6  160 110 3.90 2.620 16.46  0  1    4    4
Mazda RX4 Wag     21.0   6  160 110 3.90 2.875 17.02  0  1    4    4
Datsun 710        22.8   4  108  93 3.85 2.320 18.61  1  1    4    1
Hornet 4 Drive    21.4   6  258 110 3.08 3.215 19.44  1  0    3    1
Hornet Sportabout 18.7   8  360 175 3.15 3.440 17.02  0  0    3    2
Valiant           18.1   6  225 105 2.76 3.460 20.22  1  0    3    1

hist(mtcars$mpg,breaks=20,labels=TRUE,main="mtcars hist",col="blue",border="red")

image.png

hist(mtcars$mpg,labels=TRUE,main="mtcars hist",col="blue",border="red",freq=FALSE)

image.png

我们可以用lines画出数据的密度曲线

hist(mtcars$mpg,breaks=20,labels=TRUE,main="mtcars hist",col="blue",border="red",freq=FALSE)
lines(density(mtcars$mpg),col="green",lwd=2)

image.png

还可以画正态分布的密度曲线

x<-seq(from=min(mtcars$mpg),to=max(mtcars$mpg),by=0.5)
lines(x,dnorm(x,mean(mtcars$mpg),sd(mtcars$mpg)),col="orange",lwd=2)

image.png

2.利用ggplot2绘制

1.绘制普通条形图

使用格式 ggplot(data,aes(x=class))+geom_bar()
x 绘制的数据
或者 ggplot(data,aes(y=class))+geom_bar(),则类型分布在y轴

> data(mpg)
> head(mpg)
# A tibble: 6 × 11
  manufacturer model displ  year   cyl trans      drv     cty   hwy fl    class 
  <chr>        <chr> <dbl> <int> <int> <chr>      <chr> <int> <int> <chr> <chr> 
1 audi         a4      1.8  1999     4 auto(l5)   f        18    29 p     compa…
2 audi         a4      1.8  1999     4 manual(m5) f        21    29 p     compa…
3 audi         a4      2    2008     4 manual(m6) f        20    31 p     compa…
4 audi         a4      2    2008     4 auto(av)   f        21    30 p     compa…
5 audi         a4      2.8  1999     6 auto(l5)   f        16    26 p     compa…
6 audi         a4      2.8  1999     6 manual(m5) f        18    26 p     compa…

g <- ggplot(mpg, aes(x=class))  #直接得出每个class的数目
g+geom_bar()

image.png

g <- ggplot(mpg, aes(y=class))  #
g+geom_bar()

image.png

当想看在该因素中其他因素的情况，可以利用fill进行绘制，得出叠堆条形图

g <- ggplot(mpg, aes(x=class))
g + geom_bar(aes(fill = drv))
#得出每种class中drv的分布情况

image.png

横向的柱状

ggplot(mpg, aes(y = class)) +
 geom_bar(aes(fill = drv), position = position_stack(reverse = TRUE)) +
 theme(legend.position = "top") #标签位置

#

2.多组条形图

大多数时候我们想比较多个组直接某些因素的情况，例如有时候我们要画几个样本中各个细胞比例的情况
这是我们可以画堆叠条形图

#设置3个样本
> Sample1<-c(0.1,0.3,0.3,0.2,0.1)
> Sample2<-c(0.1,0.2,0.3,0.3,0.1)
> Sample3<-c(0.3,0.1,0.2,0.3,0.1)
> data<-cbind(Sample1,Sample2,Sample3)
> rownames(data)<-c("CD4_T","CD8_T","Monocyte","B","NK")
> head(data)  #大多数时候数据的格式是这样的
         Sample1 Sample2 Sample3
CD4_T        0.1     0.1     0.3
CD8_T        0.3     0.2     0.1
Monocyte     0.3     0.3     0.2
B            0.2     0.3     0.3
NK           0.1     0.1     0.1

#首先我们需要转换数据形式
> library(reshape2)
> dat<-melt(data)
> head(dat)
      Var1    Var2 value
1    CD4_T Sample1   0.1
2    CD8_T Sample1   0.3
3 Monocyte Sample1   0.3
4        B Sample1   0.2
5       NK Sample1   0.1
6    CD4_T Sample2   0.1
> colnames(dat)<-c("celltype","Sample","proportion")
> head(dat)
  celltype  Sample proportion
1    CD4_T Sample1        0.1
2    CD8_T Sample1        0.3
3 Monocyte Sample1        0.3
4        B Sample1        0.2
5       NK Sample1        0.1
6    CD4_T Sample2        0.1

dat$proportion<-as.numeric(dat$proportion)

ggplot(dat,aes(x=Sample,y=proportion,fill = celltype))+  #横坐标为样本,纵坐标则为比例
       geom_bar(stat= 'identity',position = "stack")  #position = "stack"则进行堆叠

image.png

#可以调整x和y将条形进行横向比较
ggplot(dat,aes(x=proportion,y=Sample,fill = celltype))+ 
       geom_bar(stat= 'identity',position = "stack")  

image.png

ggplot(dat,aes(x=Sample,y=proportion,fill = celltype))+ 
geom_bar(stat='identity',position='dodge')   #position='dodge') 则不进行堆叠

image.png

此时不好比较，我们可以把同类型细胞放在一块比较，即横坐标变为细胞类型
在实验过程中可以采用容易分析的形式进行比较

ggplot(dat,aes(x=celltype,y=proportion,fill =Sample ))+ 
geom_bar(stat='identity',position='dodge')   #则不进行堆叠

image.png

以上是基本绘制的参数，此外还有美化的一些参数
labs 横纵坐标轴的名称
ggttitle 标题名称
geom_bar(width= )设置条形大小，默认情况下，设置为数据分辨率的90%。
theme_bw() 改变背景颜色
scale_fill_manual 自定义颜色

更多参数见R语言绘图——数据可视化ggplot2 介绍和主要的参数

library(RColorBrewer)   
cols<-brewer.pal(8,"YlOrRd")[1:5]
names(cols)<-rownames(data)
head(cols)
    CD4_T     CD8_T  Monocyte         B        NK 
"#FFFFCC" "#FFEDA0" "#FED976" "#FEB24C" "#FD8D3C" 

ggplot(dat,aes(x=Sample,y=proportion,fill = celltype))+  
       geom_bar(stat= 'identity',position = "stack",width=0.2) + 
       labs(x="Sample ID",y="CellType Proportion")+
       ggtitle("Sample Celltype Proportion")+
       theme_bw()+
       scale_fill_manual(values = cols)

image.png