珠海门户网站建设报价,怎么在子域名建立一个不同的网站,营销软件,用python自动写wordpress本篇笔记分享R语言绘制直方图的方法#xff0c;通过多种展示风格对数据进行可视化#xff0c;主要用到ggplot、ggpubr等包。 什么是直方图#xff1f; 直方图(Histogram)#xff0c;又称质量分布图#xff0c;是一种统计报告图#xff0c;由一系列高度不等的柱子表示数据… 本篇笔记分享R语言绘制直方图的方法通过多种展示风格对数据进行可视化主要用到ggplot、ggpubr等包。 什么是直方图 直方图(Histogram)又称质量分布图是一种统计报告图由一系列高度不等的柱子表示数据分布的情况。 主要展示数据的分布情况诸如众数、中位数的大致位置、数据是否存在缺口或者异常值。 直方图和柱形图的区别 柱形图横轴表示类别横轴固定 直方图横轴表示组距横轴可变 直方图的表示的数据通常是连续排列而柱状图则是分开排列直方图能展示分布趋势。 R语言绘制直方图方法 先创建一个随机数据用于绘图该数据表格的第一列是“type”样品分类信息包含A、B、C三个种类第二列是随机数字一共包含600行将其看做600个样品的某指标数据。 set.seed(666)df data.frame( type factor(rep(c(A, B,C), each200)), val c(rnorm(200, 56), rnorm(200, 58),rnorm(200, 52))) 创建的随机数据如下所示在实际的作图过程中只需整理成类似这种格式即可。 为了直观的展示测试数据的分布先做个散点图试试 ggplot(df) geom_point(aes(type,val,colortype),position jitter) 明显可以看出C组的均值52左右最低B组均值58左右最高组内整体随机分布。 Base R 基础版直方图 hist(df$val, breaks 16, #切分多少个条 col #51cf66, freq F, xlab Value,main Hist Plot)# 添加拟合曲线lines(density(df$val),col #fd7e14,lwd2)# 添加下方密度条rug(jitter(df$val)) 这是最基础的直方图没有展示分组信息仅对所有的数据统计可以看出在52和58处有峰值说明分布频率很高横轴上有一些条形码一样的黑色竖线表示样品的分布情况黑色线越密集代表此处的值越多。 ggplot2 升级版直方图 library(ggplot2)ggplot(df,aes(val,..density..)) geom_histogram(bins 50, fill#74c0fc) xlab(Insertion Size (bp)) theme_bw() 通过上述代码可以用ggplot绘制一张简单的直方图gfill参数后面可以修改颜色bins参数可以修改条子的数量。 bins参数很重要它关系到直方图的形状以下举个例子分别画两张直方图左图p1是bins等于10的时候组距比较宽。右图p2是bins等于50的情况组距变窄同时一些隐藏的细节趋势展示的更加清楚。 p1 - ggplot(diamonds, aes(carat)) geom_histogram(aes(carat,fillcut),bins 10) xlim(0,3) theme_bw()p2 - ggplot(diamonds, aes(carat)) geom_histogram(aes(carat,fillcut),bins 50) xlim(0,3) theme_bw()library(patchwork)p1p2 由上图可知不同的分组数量bins影响了信息的传递在实际过程中若想模糊细节展示整体则将bins设置的小一些。 多组分面直方图 假如有多个分组或者水平因素想要看不同分组的直方图则借助分面功能实现。例如在本文中A、B、C三个分组的直方图通过下面的代码绘图 ggplot(df,aes(val,..density..)) geom_histogram(aes(filltype),bins 30,color#ffffff) facet_wrap(~type, scales free_x) xlab(Insertion Size (bp)) theme_bw() 这样就可以将不同类型分开绘制观察每个组内样品的指标数据分布趋势可以发现三个组都是呈正态分布。 ggpubr 尊享版直方图 gghistogram函数提供了一个便捷绘制好看直方图的方法只需简单的几行代码就能生成漂亮的直方图。 library(ggpubr)gghistogram(df, x val, fill #3bc9db, # 设置填充色 add mean, # 添加均值线 rug TRUE # 添加轴须线) 先画一张基础的直方图fill参数可以修改颜色add参数可以添加辅助线比如这里就添加了一条均值竖线rug是绘制横轴的条形码须线。 但是上图中把三个组的样品数据混在一起统计下面将其分开用不同颜色表示 gghistogram(df, xval, addmean, rug TRUE, color type, fill type, palette c(#0fb9b1,#f7b731,#8854d0), bins 50, add_density FALSE, xlab 公众号生信分析笔记) 如果想在图中对直方图添加拟合曲线展示密度信息只需将add_density改为TURE即可。 堆叠形式直方图 接下来再分享两种堆叠形式的直方图用途是比较不同分组的数据。首先重新修改一下随机生成的测试数据注意A组的样品数减少到100B组样品数增加到300以下是新的数据框 df data.frame( type factor(rep(c(A, B,C), each200)), val c(rnorm(100, 56), rnorm(300, 58),rnorm(200, 57))) 画一张普通的直方图看看效果 ggplot(df) geom_histogram(aes(val,filltype),bins 20) scale_fill_brewer() theme_bw() 整体趋势比较明显均值都在57附近只不过不同组的数据个数不一样正如所料整体的趋势都呈正态分布。 再添加亿点点细节 ggplot(df,aes(val,filltype)) geom_histogram(bins 40,colorblack,alpha0.8) scale_fill_manual(values c(A#a3cd5b, B#f7b731, C#0fb9b1), labelsc(AType A, BType B, CType C)) geom_vline(xintercept 57,ltydashed) theme_bw() theme(panel.border element_blank(), panel.grid element_blank(), axis.line element_line(), legend.position c(0.9,0.8), legend.background element_rect(fill transparent), legend.title element_blank()) 上面这张图展示了不同种类样品的数据分布规律这种分布是柱形堆叠格式“stack”现在将其转换成密度曲线图你能看出下面这张图的区别吗 ggplot(df,aes(val,filltype)) geom_density(alpha0.5, position stack) scale_fill_manual(values c(#a3cd5b,#f7b731,#0fb9b1)) 是不是感觉似曾相识直方图和密度曲线的规律是一样的因为它们都是用同样的数据做出的图呈现出相同的变化趋势。 还有一种位置展示方式“identity”它不会将不同分组的值堆叠累加到一起而是都从Y等于0为起始位置只需修改上方代码中的“stack”为“identity”即可看出效果区别。 不知道你有没有发现这个图就是小提琴图的一半因为这个密度曲线实际上反映了数据的分布而小提琴图的宽窄也反应数据的分布因此二者本质一样。 ggplot(df) geom_violin(aes(xtype,yval,filltype)) scale_fill_manual(values c(#0fb9b1,#f7b731,#8854d0)) theme_bw() 对比一下就能看出小提琴图、直方图、密度图存在互通之处比如Type C类型的数据分布比较集中因此小提琴图中紫色的中间部分凸出明显而且上面密度曲线的紫色也区域中间也明显凸起。 翻转直方图 有时候还想比较两组之间的分布趋势差异那么将两个直方图按横轴翻转放置展示效果更佳。 ggplot(df,aes(val,filltype)) geom_histogram(data filter(df,typeB), aes(y..count..), bins 40, color#ffffff) geom_histogram(data filter(df,typeC), aes(y..count..*(-1)), bins 40, color#ffffff) scale_fill_manual(values c(#0fb9b1,#8854d0)) labs(xValue,yFrequency) theme_bw() theme(legend.position c(0.1,0.3)) 此时可以看出C组紫色的分布明显更集中一些该图信息直观明了。本次直方图分享到这里完毕感谢您的阅读建议收藏转发有备无患万一之后需要用到这个绘图方法换一下数据就可以。 本文由 mdnice 多平台发布
