ggplot2绘制误差棒及显著性标记
本文转载自https://blog.csdn.net/weixin_34279246/article/details/87152290
绘制带有误差棒的条形图
-
library(ggplot2)
-
# 创建数据集
-
df <- data.frame(treatment = factor(c(
1,
1,
1,
2,
2,
2,
3,
3,
3)),
-
response = c(
2,
5,
4,
6,
9,
7,
3,
5,
8),
-
group = factor(c(
1,
2,
3,
1,
2,
3,
1,
2,
3)),
-
se = c(
0.4,
0.2,
0.4,
0.5,
0.3,
0.2,
0.4,
0.6,
0.7))
-
head(df)
#查看数据集
-
-
## treatment response group se
-
## 1 1 2 1 0.4
-
## 2 1 5 2 0.2
-
## 3 1 4 3 0.4
-
## 4 2 6 1 0.5
-
## 5 2 9 2 0.3
-
## 6 2 7 3 0.2
-
# 使用geom_errorbar()绘制带有误差棒的条形图
-
# 这里一定要注意position要与`geom_bar()`保持一致，由于系统默认dodge是0.9，
-
# 因此geom_errorbar()里面position需要设置0.9，width设置误差棒的大小
-
ggplot(data = df, aes(
x = treatment,
y = response, fill = group)) +
-
geom_bar(
stat =
"identity", position =
"dodge") +
-
geom_errorbar(aes(ymax = response + se, ymin = response - se),
-
position = position_dodge(
0.
9), width =
0.
15) +
-
scale_fill_brewer(palette =
"Set1")
绘制带有显著性标记的条形图
-
label <- c(
"",
"*",
"**",
"",
"**",
"*",
"",
"",
"*")
#这里随便设置的显著性，还有abcdef等显著性标记符号，原理一样，这里不再重复。
-
# 添加显著性标记跟上次讲的添加数据标签是一样的，这里我们假设1是对照
-
ggplot(data = df, aes(x = treatment, y = response, fill =
group)) +
-
geom_bar(stat =
"identity", position =
"dodge") +
-
geom_errorbar(aes(ymax = response + se, ymin = response - se),
-
position = position_dodge(
0.9), width =
0.15) +
-
geom_text(aes(y = response +
1.5 * se, label = label,
group =
group),
-
position = position_dodge(
0.9), size =
5, fontface =
"bold") +
-
scale_fill_brewer(palette =
"Set1")
#这里的label就是刚才设置的，group是数据集中的，fontface设置字体。
绘制两条形图中间带有星号的统计图
-
#创建一个简单的数据集
-
Control
<- c(2.0,2.5,2.2,2.4,2.1)
-
Treatment <- c(3.0,3.3,3.1,3.2,3.2)
-
mean <- c(mean(Control), mean(Treatment))
-
sd <- c(sd(Control), sd(Treatment))
-
df1 <- data.frame(V=c("Control", "Treatment"), mean=mean, sd=sd)
-
df1$V <- factor(df1$V, levels=c("Control", "Treatment"))
-
#利用geom_segment()绘制图形
-
ggplot(data=df1, aes(x=V, y=mean, fill=V))+
-
geom_bar(stat = "identity",position = position_dodge(0.9),color="black")+
-
geom_errorbar(aes(ymax=mean+sd, ymin=mean-sd), width=0.05)+
-
geom_segment(aes(x=1, y=2.5, xend=1, yend=3.8))+#绘制control端的竖线
-
geom_segment(aes(x=2, y=3.3, xend=2, yend=3.8))+#绘制treatment端竖线
-
geom_segment(aes(x=1, y=3.8, xend=1.45, yend=3.8))+
-
geom_segment(aes(x=1.55, y=3.8, xend=2, yend=3.8))+#绘制两段横线
-
annotate("text", x=1.5, y=3.8, label="〇", size=5)#annotate函数也可以添加标签
-
为图形添加标题
图形标题有图标题、坐标轴标题、图例标题等
-
p
<- ggplot(data = df, aes(x = treatment, y = response, fill = group)) +
-
geom_bar(
stat =
"identity",
position =
"dodge") +
-
geom_errorbar(
aes(
ymax =
response +
se,
ymin =
response
-
se),
-
position =
position_dodge(0.9),
width =
0.15) +
-
scale_fill_brewer(
palette =
"Set1")# 利用
ggtitle()添加图标题,还有
labs（）也可以添加标题，最后会提一下。（有一个问题就是
ggtitle()添加的标题总是左对齐）
-
p +
ggtitle("利用
ggtitle()添加图标题")
-
-
# 利用xlab()\ylab()添加/修改坐标轴标题
-
p + ggtitle(
"利用ggtitle()添加图标题") +
-
xlab(
"不同处理") +
-
ylab(
"response")
#标题的参数修改在theme里，theme是一个很大的函数，几乎可以定义一切，下次有时间会讲解
最后再讲解一下如何将多副图至于一个页面 利用包 gridExtra中
grid.arrange()函数实现
-
# 将四幅图放置于一个页面中
-
p
<- ggplot(data = df, aes(x = treatment, y = response, fill = group)) +
-
geom_bar(
stat =
"identity",
position =
"dodge") +
-
geom_errorbar(
aes(
ymax =
response +
se,
ymin =
response
-
se),
-
position =
position_dodge(0.9),
width =
0.15) +
-
scale_fill_brewer(
palette =
"Set1")
-
p1 <
-
p +
ggtitle("利用
ggtitle()添加图标题")
-
p2 <
-
p +
ggtitle("利用
ggtitle()添加图标题") +
xlab("不同处理") +
ylab("
response")
-
p3 <
-
ggplot(
data =
df,
aes(
x =
treatment,
y =
response,
fill =
group)) +
-
geom_bar(
stat =
"identity",
position =
"dodge") +
-
geom_errorbar(
aes(
ymax =
response +
se,
ymin =
response
-
se),
-
position =
position_dodge(0.9),
width =
0.15) +
-
geom_text(
aes(
y =
response +
1.5 *
se,
label =
label,
group =
group),
-
position =
position_dodge(0.9),
size =
5,
fontface =
"bold") +
-
scale_fill_brewer(
palette =
"Set1")
-
library(
gridExtra) #没有安装此包先用
install.packages('
gridExtra')安装
-
grid.arrange(
p,
p1,
p2,
p3)
-
上次有人问坐标轴旋转的实现，坐标轴旋转有时是很有用的，下面是我看过的一个例子，用来介绍一下。
-
#先加载他的数据
-
url.world_ports <- url(
"http://sharpsightlabs.com/wp-content/datasets/world_ports.RData")
-
load(url.world_ports)
-
knitr::kable(df.world_ports[
1:
5,])
#该数据是关于世界上各个港口的数据汇总
-
library(dplyr)
#用于数据操作，与ggplot2一样是R语言必学包#现在绘制条形图(%>%上次说过是管道操作，用于连接各个代码，十分有用)
-
df.world_ports%>%filter(year==
2014)%>%
#筛选2014年的数据
-
ggplot(aes(
x=reorder(port_label, desc(volume)),
y=volume))+
-
geom_bar(
stat =
"identity", fill=
"darkred")+
-
labs(title=
"Busiest container ports in the world")+
-
labs(subtitle =
'2014, in order of shipping volume')+
#添加副标题
-
labs(
x =
"Port",
y =
"Shipping\nVolume")+
-
theme(axis.text.x = element_text(angle =
90, hjust =
1, vjust = .
4))
#调整x轴标签，angle=90表示标签旋转90度，从图中可以看出
-
#现在旋转坐标轴，并筛选排名小于25的港口，并且添加数据标签
-
df.world_ports %>% filter(year==
2014, rank<=
25) %>%
#筛选2014年并且rank小于等于25的数据
-
ggplot(aes(
x=reorder(port, volume),
y=volume))+
-
geom_bar(
stat =
"identity", fill=
"darkred")+
-
labs(title=
"Busiest container ports in the world")+
-
labs(subtitle =
'2014, in order of shipping volume')+
-
labs(
x =
"Port",
y =
"Shipping\nVolume")+
-
geom_text(aes(label=volume), hjust=
1.2, color=
"white")+
-
coord_flip()
#旋转坐标轴
两图相比，明显第二幅图好，一是可以添加数据标签，二是不用歪着脖子看。
本来打算讲讲图例的但是发现内容太多了，就不讲了，下次吧！