气泡图

R包准备

# R包准备
library(ggplot2)
library(dplyr)
# 
library(gapminder)

数据预处理

我们用到gapminder包中的gapminder数据集，该数据集储存了关于各国预期寿命、人均GDP和人口的数据。先看下数据结构

> head(gapminder,5)
# A tibble: 5 x 6
  country     continent  year lifeExp      pop gdpPercap
  <fct>       <fct>     <int>   <dbl>    <int>     <dbl>
1 Afghanistan Asia       1952    28.8  8425333      779.
2 Afghanistan Asia       1957    30.3  9240934      821.
3 Afghanistan Asia       1962    32.0 10267083      853.
4 Afghanistan Asia       1967    34.0 11537966      836.
5 Afghanistan Asia       1972    36.1 13079460      740.

# 只选取2007年的数据
data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year)

基础气泡图

# geom_point()函数
ggplot(data, aes(x=gdpPercap, y=lifeExp, size = pop)) +geom_point(alpha=0.7)

image-20201019153317579

控制气泡大小

通过scale_size()函数中range参数设置最小和最大气泡的范围，且通过name参数可以自定义图例的名字

注意：圆圈经常重叠。为了避免在图表顶部出现大圆圈，您必须首先重新排序您的数据集。代码如下：

data %>%
  arrange(desc(pop)) %>% # 按pop列降序
  mutate(country = factor(country, country)) %>% #设置为因子格式 
  ggplot(aes(x=gdpPercap, y=lifeExp, size = pop)) +
  geom_point(alpha=0.5) +
  scale_size_area(range = c(.1, 24), name="Population (M)")

另外将数值变量映射到圆的大小的还有scale_radius和scale_size函数,可以?scale_radius自行了解。

image-20201019160434074

映射分组颜色

# 输出分组颜色
data %>%
  arrange(desc(pop)) %>%
  mutate(country = factor(country, country)) %>%
  ggplot(aes(x=gdpPercap, y=lifeExp, size=pop, color=continent)) +
    geom_point(alpha=0.5) +
    scale_size(range = c(.1, 24), name="Population (M)")

image-20201019160642054

进一步美化

data %>%
  arrange(desc(pop)) %>%
  mutate(country = factor(country, country)) %>%
  ggplot(aes(x=gdpPercap, y=lifeExp, size=pop, fill=continent)) +
    geom_point(alpha=0.5, shape=21, color="black") +
    scale_size(range = c(.1, 24), name="Population (M)") +
    scale_fill_viridis(discrete=TRUE, guide=FALSE, option="A") +
    theme_ipsum() +
    theme(legend.position="bottom") +
    ylab("Life Expectancy") +
    xlab("Gdp per Capita") +
    theme(legend.position = "none")

image-20201019160735797

交互式气泡图

绘制交互式图形需要用到plotly包，我们还是利用上面的数据集来进行绘制。

R包准备

# 加载
library(ggplot2)
library(dplyr)
library(plotly)
library(viridis)
library(hrbrthemes) 

# 还是利用上面数据集
library(gapminder)
data <- gapminder %>% filter(year=="2007") %>% dplyr::select(-year)

数据预处理

利用dplyr包来管道操作清洗数据，

newdata <- data %>%
  mutate(gdpPercap=round(gdpPercap,0)) %>% # 四舍五入取整
  mutate(pop=round(pop/1000000,2)) %>% # 保留俩位小数
  mutate(lifeExp=round(lifeExp,1)) %>% # 保留俩位小数
  
  # Reorder countries to having big bubbles on top
  arrange(desc(pop)) %>%
  mutate(country = factor(country, country)) %>%
  
  # prepare text for tooltip
  mutate(text = paste("Country: ", country, "\nPopulation (M): ", pop, "\nLife Expectancy: ", lifeExp, "\nGdp per capita: ", gdpPercap, sep=""))  #增加每个气泡标签

绘制图形

plot <- ggplot(newdata, aes(x=gdpPercap, y=lifeExp, size = pop, color = continent, text=text)) +
  geom_point(alpha=0.7) +
  scale_size(range = c(1.4, 19), name="Population (M)") +
  scale_color_viridis(discrete=TRUE, guide=FALSE) +
  theme_ipsum() +
  theme(legend.position="none")
  pp  

image-20201019162002611

保存图形

# 1. 先将ggplot图形转换为交互式图形
pp <- ggplotly(plot, tooltip="text")
pp
# 利用saveWidget函数保存交互式图形
library(htmlwidgets)
saveWidget(pp, file=  "./ggplotlyBubblechart.html")

image-20201019162440105

打开我们保存的html文件，可以看道鼠标停留在每个气泡上就会显示出我们添加的标签内容了，而且通过右上角的按钮可以进行拍照保存png格式图形、调整交互图形大小等功能。

富集分析气泡图

气泡图的本质就是散点图，通过数据集中的离散/连续变量等去映射气泡大小颜色产生各种气泡图，懂得了这个道理，我们再来动手绘制下转录组中常见的富集气泡图练习一下吧~~

准备数据

image-20201019164956347

• 第一列：pathway名称
• 第二列：富集基因比例
• 第三列：Qvalue
• 第四列：基因数量

绘制图形

pathway <- read.delim('KEGG_pathway.txt',check.names = FALSE,header = T,sep = '\t')
p <- ggplot(pathway,aes(GeneRatio,Description))+geom_point(aes(size = Count,color = -1*log10(qvalue)))+
  scale_color_gradient(low = "green",high = 'red')+
  scale_size(range = c(1.4, 19), name="Gene")+
  labs(color = expression(-log[10](qvalue)),size = 'Gene',
       x = 'GeneRatio',
       y = 'Pathway')+
  theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black'),legend.key = element_blank())
p

image-20201019165509871

分组情况

当我们有多样品时候，也可以添加一列样品信息，然后将图中的横坐标改变为每个样品进行绘图

pathway <- pathway %>% mutate(type = c(rep('D',15),rep('H',16))) # 添加一列样品类型

# 绘制图形
p <- ggplot(pathway,aes(type,Description))+geom_point(aes(size = Count,color = -1*log10(qvalue)))+
  scale_color_gradient(low = "green",high = 'red')+
  scale_size(range = c(1.4, 19), name="Gene")+
  labs(color = expression(-log[10](qvalue)),size = 'Gene',
       x = 'Type',
       y = 'Pathway')+
  theme(panel.grid = element_blank(), panel.background = element_rect(fill = 'transparent', color = 'black'),legend.key = element_blank())
p  

image-20201019165631943