ggplot2画出条形图（facet_wrap）

ggplot2坐标轴最常用参数
https://zhuanlan.zhihu.com/p/25173606
facet_wrap分面操作
分面详解
https://zhuanlan.zhihu.com/p/27093478
添加误差棒

具体实现代码：

rm()
setwd("D:/RNA-seq/transcript_level/RT-PCR/")
datainfo <- read.csv(file="result2.csv",header = TRUE)
library(ggplot2)
#install.packages("mime")
library(mime)
library(export)

#函数依赖export包,构造图片输出函数
out_img <- function(filename,pic_width=5,pic_height=7){
  graph2png(file=filename,width=pic_width,height=pic_height)
  graph2ppt(file=filename,width=pic_width,height=pic_height)
  graph2tif(file=filename,width=pic_width,height=pic_height)
}
#使用缠绕分面facet_wrap画出表达量差异条形图,scales="free_y"使用各自的Y值，否则默认是使用统一的y值
##labs用于添加title,theme用于标题居中
###geom_errorbar用于添加误差棒，分别指定上误差，下误差。
pg_mean <- as.data.frame(datainfo)
p <- ggplot(pg_mean,aes(x=type,y=value,fill=genename))+facet_wrap(~genename,scales = "free_y",shrink = TRUE,as.table = TRUE)+geom_bar(stat="identity",width=0.5,color="black",position = position_dodge(0.9))+
  geom_errorbar(aes(ymin=value-down,ymax=value+up),width=0.2,position=position_dodge(0.5))
p+labs(title = "qRT-PCR and RNA-seq ",x="gene list ",y="Relative expression ")+theme(plot.title = element_text(hjust = 0.5))
out_img(filename="all_result",pic_width = 10,pic_height = 12)

result2.csv数据格式

genename	value	type	up	down	index
48521569	3.00	RNA_seq	0	0	1
257858745	2.11	RNA_seq	0	0	2
112257492	2.94	RNA_seq	0	0	3
3542044848	2.9	RNA_seq	0	0	4
74011558154	4.50	RNA_seq	0	0	5
254488136	1.45	RNA_seq	0	0	6

结果如图所示，黑色的是后期的马赛克

修改上述的fill值，即修改分组依据为type
fill=type之后，对应部分命令如下

pg_mean <- as.data.frame(datainfo)
genename <- reorder(pg_mean$genename,pg_mean$index)  #把genename按照index的顺序排序，后续出图小图标也按照这个顺序出图
p <- ggplot(pg_mean,aes(x=type,y=value,fill=type))+facet_wrap(genename,scales = "free_y",shrink = TRUE,as.table = TRUE,strip.position = "bottom",labeller = label_parsed)+geom_bar(stat="identity",width=0.5,color="black",position = position_dodge(0.9))+
  geom_errorbar(aes(ymin=value-down,ymax=value+up),width=0.2,position=position_dodge(0.5))
p+labs(title = "qRT-PCR and RNA-seq ",x="gene list ",y="Relative expression ")+theme(plot.title = element_text(hjust = 0.5))

参数详解：
pg_mean是前面对应的data.frame
aes() 括号内的值，可以对应于前面数据库 里面的元素
x指定横坐标分类依据（可以是字符串或数字）
y纵坐标的值，
fill分类依据，可以是gene，也可以是type。根据作图需要确定。
facet_wrap对应还有一个facet_grid都是分面工具。区别见最上面。
~genename分面依据，确定每一个小图形的分类依据。可以更改为index~genename或 ~index+genename
index的目的是为了指定每个小图的排列顺序。但是因为，标签会把index的值也显示，暂时未找到只显示其一的 作为每个小图label的方法 。
scales="free_y" 单独划定Y坐标轴, scales="free"是默认统一y轴
strip.position="bottom" 指定小图标签位置，在底部。默认是顶部。
labeller共4种模式，指定小图标签显示方式。

设置柱子的大小，间隔的大小 ，重叠类型

geom_bar(stat="identity",width=0.5,color="black",position = position_dodge(0.9))

设置误差棒，误差棒的值，宽度，位置

geom_errorbar(aes(ymin=value-down,ymax=value+up),width=0.2,position=position_dodge(0.5))

设置顺序(把genename按照index的顺序排序，后续出图小图标也按照这个顺序出图)

genename <- reorder(pg_mean$genename,pg_mean$index)

颠倒Y轴坐标方向

scale_y_reverse()

交换x轴和Y轴

coord_flip()