ggplot2笔记5：通过图层构建图像
ggplot2绘图基础系列：
1初识ggplot2、基本用法以及如何绘制几何对象
2图层的使用——基础、怎样加标签、注释
3工具箱——误差线、加权数、展示数据分布
4语法基础
Build a Plot Layer by Layer
5.1 简介
（略）
5.2 创建图表
（以汽车耗油量mpg数据集为例）
当我们使用 ggplot()创建图表时，最基本的代码是：
ggplot(mpg, aes(displ, hwy)) +
geom_point()
实际上这条代码包含了两步命令：
第一个是：
p <- ggplot(mpg, aes(displ, hwy))
它的意义只是创建了一个图层（将这个图层赋予变量p），横纵坐标是数据集 mpg中的两组变量名称 displ和 hwy，但是由于没有命令几何图形，数据无法形成映射，所以就是一块只有横纵坐标的白板↓↓↓↓↓↓
第二个是：
p + geom_point()
在p的基础上，添加函数 geom_point()（散点图），括号是空的就是各种参数都是默认值，于是有了确切的几何图形命令，白板上就有图了↓↓↓↓↓↓
在 geom_point()这个命令的背后，隐藏着一个叫做 layer()的命令，他的意思是创造一个图层，下面的代码里显示了藏在 layer()里面的各种参数：
p + layer(
mapping = NULL,
data = NULL,
geom = "point",
stat = "identity",
position = "identity"
)
这里面就包括了图层（layer）的五个重要组成部分：
mapping：映射，就是
aes()函数，通常省略，NULL就是指默认的ggplot()函数中的映射data：数据，覆盖默认数据集，通常省略，NULL就是默认取
ggplot()中的数据集geom：几何对象，包含很多美学参数，例如颜色等，在这里设置不会成为标度。
stat：统计变换，执行一些统计汇总，默认设置为
"identity"时保持不变。这个参数在直方图和平滑曲线图中应用较多。geom和stat设置一个即可。position：位置，调整遮盖情况
5.3 数据
You’ll learn about tidy data in Chap. 9, but for now, all you need to know is that a tidy data frame has variables in the columns and observations in the rows.
ggplot2的作用只是将数据框可视化。在使用之前应该提前整理你的数据框，使其整齐、易于操作（第九章）。
ggplot2的特点在上面的散点图基础上添加一条拟合的曲线：
library(ggplot2)
mpg
mod <- loess(hwy~displ, data = mpg)
grid <- data_frame(displ = seq(min(mpg$displ), max(mpg$displ), length = 50))
grid$hwy <- predict(mod, newdata = grid)
grid
std_resid <- resid(mod) / mod$s
outlier <- filter(mpg, abs(std_resid) > 2)
outlier
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
geom_line(data = grid, colour = "blue", size = 1.5) +
geom_text(data = outlier, aes(label = model))
上述数据处理过程，简化之，可以使用函数 geom_smooth()：添加平滑条件均直线，即上面的一大串数据处理过程：
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
geom_smooth(colour = "blue", size = 1.5) +
geom_text(data = outlier, aes(label = model))
5.4 美学映射（Aesthetic Mappings）
映射的函数就是 aes()。设置数据是怎样对应在到图表上的：
aes(x = displ, y = hwy, colour = class)
x= 和 y= 也可以省略，即放在第一个逗号前的变量默认是x轴，第二个逗号前的变量默认在y轴。
aes()中可以进行一些简单地运算，比如， aes(log(carat),log(price))，但不能出现 美元符号$（例如：diamonds$carat）。
1. 在图表或图层中添加图形属性
这次我们来试试将一个变量映射成一个图形属性——
在上面散点图的基础上，用不同颜色代表不同class（mpg数据集中的离散型变量：
ggplot(mpg, aes(displ, hwy, colour = class)) +
geom_point()
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class))
ggplot(mpg, aes(displ)) +
geom_point(aes(y = hwy, colour = class))
ggplot(mpg) +
geom_point(aes(displ, hwy, colour = class))
实际上，因为图层只有一层，所以以上四种代码意义是一样的，可以画出同样的图表↓↓↓↓↓
但是当图层不只一层之后，参数放在哪里，很重要
比如下面的例子：
映射 aes(colour=class)放在 ggplot函数中：
ggplot(mpg, aes(displ, hwy, colour = class)) +
geom_point() +
geom_smooth(method = "lm", se = FALSE) +
theme(legend.position = "none")
映射 aes(colour=class)只放在 geom_point图层中：
ggplot(mpg, aes(displ, hwy)) +
geom_point(aes(colour = class)) +
geom_smooth(method = "lm", se = FALSE) +
theme(legend.position = "none")
2. 设定和映射 （Setting vs. Mapping）
除了将图形属性和变量映射（mapping）起来，我们也可以在图层的参数里将其设定（setting）成一个单一值（例如，colour = "read"）。
Setting和Mapping是不同的。
例如将上述例子中的图层颜色设置成统一的颜色（"darkblue"）：
colour="darkblue"直接填写在 point()里即可，不需要在aes()里面设定。
ggplot(mpg, aes(cty, hwy)) +
geom_point(colour = "darkblue")
否则，如果添加在 aes()里面，它的意义就变成了，将颜色映射到"darkblue"（普通的字符串）上，是用默认的颜色（桃红色）标度进行了转换，就图不达意了：
ggplot(mpg, aes(cty, hwy)) +
geom_point(aes(colour = "darkblue"))
不过这种方法有时也能用到，比如，如果你想命名两个图层：
ggplot(mpg, aes(displ, hwy)) +
geom_point() +
geom_smooth(aes(colour = "loess"), method = "loess", se = FALSE) +
geom_smooth(aes(colour = "lm"), method = "lm", se = FALSE) +
labs(colour = "Method")
5.5 几何图形函数小结
基础命令
geom_blank(): 空白，可以用来限制轴的范围geom_point(): 散点geom_path(): 路径geom_ribbon(): 色带图，连续的x值所对应的y值范围geom_segment(): 添加线段或者箭头geom_rect(): 二维矩形图geom_polyon(): 填充多边形geom_text(): 文本注释
一个变量
离散型变量
geom_bar():
连续型变量
geom_histogram(): 直方图geom_density(): 光滑密度曲线图geom_dotplot(): 点直方图geom_freqpoly(): 频率多边形图
两个变量
都是连续的
geom_point(): 散点图geom_quantile(): 添加分位数回归线geom_rug(): 边际地毯图geom_smooth(): 条件均值线geom_text(): 文本标签
展现分布图
geom_bin2d：二维热图geom_density2d：二维密度等高线图geom_hex()：六边形表示的二维热图
至少一个连续型变量
geom_count：统计不同地点，点的数量geom_jitter：给点增加扰动，减轻图形重叠的问题
一个连续变量+一个离散变量
geom_bar(stat="identity")：条形图geom_boxplot(): 箱型图geom_violin()：小提琴图
时间序列+连续变量
geom_area(): 面积图geom_line(): 按照x轴坐标大小顺序依次连接各个观测值geom_step(): 以阶梯的形式连接各个观测值
显示误差或置信区间
geom_crossbar(): 带水平中心线的盒子图geom_errorbar(): 误差线+条形图geom_linerange(): 一条代表一个区间的竖直线geom_pointrange(): 以一条中心带点的竖直线代表一个区间
地图
geom_map()
三个变量
geom_contour(): 等高线图geom_tile(): 瓦片图geom_raster(): 高效矩形瓦片图
5.6 统计变换（stat）
统计变换是指原始数据通过一定的计算或者汇总，以另一种方式呈现。
在不知不觉中，我们已经使用了一些统计变换，实际上它们藏在很多重要的geom命令里，比如：
除此之外，还有很多统计变换是没有包含在函数里的，不能通过 geom_函数使用：
stat_ecdf()：经验累积分布函数stat_function()：添加新函数stat_summary()：对每个x值所对应的y值做汇总stat_summary2d(),stat_summary hex()：对二维矩形封箱设定函数stat_qq()：计算qqplot图的相关值stat_spoke()：将角度和半径转换成xend和yendstat_unique()：删除重复值
以下两种代码生成的图是一样的，使用示例：
ggplot(mpg, aes(trans, cty)) +
geom_point() +
stat_summary(geom = "point", fun.y = "mean", colour = "red", size = 4)
ggplot(mpg, aes(trans, cty)) +
geom_point() +
geom_point(stat = "summary", fun.y = "mean", colour = "red", size = 4)
生成变量（Generated Variables)
stat的后台操作是将一个你输入的数据集（依据某种命令）转换成一个新的数据集输出，因此stat会在原有数据的基础上增加一些新的变量。
例如，直方图 geom_histogram()中用到的 stat_bin()就会产生下面三个变量：
count：每个条形中观测值的个数density：每个条形中观测值的密度（占总数的百分比）x：中间值
有时候通过stat产生的变量可以替代原始数据集中的简单变量
例如，钻石数据集（diamonds）中，我们只做price（连续）变量的频率直方图（横轴单位宽度设置为500）：
ggplot(diamonds, aes(price)) +
geom_histogram(binwidth = 500)
x轴变量是price，而y周变量默认为count（计数）：
实际上，如果加以设置， geom_histogram()函数内部是经过统计变换的，过程中生成 density这个变量。于是在函数 geom_histogram()中增加 aws(y=..density..)这个设定，就可以将y轴的映射改为stat中间生成的变量 density：
ggplot(diamonds, aes(price)) +
geom_histogram(aes(y = ..density..), binwidth = 500)
当你想观察多组的组间分布，而这些小组本身分布就不均匀的时候，这种方法很重要：
ggplot(diamonds, aes(price, colour = cut)) +
geom_freqpoly(binwidth = 500) +
theme(legend.position = "none")
要观察各个价位不同cut类型钻石的个数，但是有的cut类型的钻石总数就很少，有的总数就很多，这种情况下，当y轴为普通计数时，那些总数较少的类别的钻石数量就几乎看不到了
如果修改一下代码：
ggplot(diamonds, aes(price, colour = cut)) +
geom_freqpoly(aes(y = ..density..), binwidth = 500) +
theme(legend.position = "none")
如果y轴是百分比，这样的分布图就就更加清晰了↓↓↓↓↓↓
5.7 位置调整（Position Adjustments）
位置调整主要用于调整图层中微小元素的微调。
position_stack(): 将图形（条形、面积）元素堆叠起来position_fill(): 堆叠元素，并将其填充，高度标准化为1position_dodge(): 避免堆叠，并排放置
条形图中可以很容易看出不同类型的位置调整。下图展示了三种类型：堆叠（stack）、填充（fill）、并列（dodge）。
dplot <- ggplot(diamonds, aes(color, fill = cut)) +
xlab(NULL) + ylab(NULL) + theme(legend.position = "none")
dplot + geom_bar() #position stack is the default for bars, so `geom_bar()` is equivalent to `geom_bar(position = "stack")`
dplot + geom_bar(position = "fill")
dplot + geom_bar(position = "dodge")
我理解的是，
堆叠就是相同的x坐标，一个条形放到另一个上面
填充就是再堆叠的基础上高度标准化
并列更像是一种分类
还有一种叫做 position_identity()，意思是原地不动。
另外，在 geom_bar()函数中可以添加颜色和边框透明度设置
dplot <- ggplot(diamonds, aes(color, fill = cut)) +
xlab(NULL) + ylab(NULL) + theme(legend.position = "none")
dplot + geom_bar(position = "identity", alpha = 1 / 2, colour = "grey50")
散点图中的位置调整主要有以下三个函数：
position_nudge(): 将每个点移动固定的位移position_jitter(): 添加随机扰动，减少遮盖position_jitterdodge(): 闪避组内的点
例如：
ggplot(mpg, aes(displ, hwy)) +
geom_point(position = "jitter")
ggplot(mpg, aes(displ, hwy)) +
geom_point(position = position_jitter(width = 0.05, height = 0.5))
扰动点图，可以简写成以下代码：
ggplot(mpg, aes(displ, hwy)) +
geom_jitter(width = 0.05, height = 0.5)
参考资料：
Hadley Wickham(2016). ggplot2. Springer International Publishing. doi: 10.1007/978-3-319-24277-4
《R语言应用系列丛书·ggplot2:数据分析与图形艺术》
快快和我一起上车，请关注：生信小白学习记
猜你喜欢
10000+：肠道细菌 人体上的生命 宝宝与猫狗 梅毒狂想曲 提DNA发Nature 实验分析谁对结果影响大 Cell微生物专刊
系列教程：微生物组入门 Biostar 微生物组 宏基因组
专业技能：生信宝典 学术图表 高分文章 不可或缺的人
一文读懂：宏基因组 寄生虫益处 进化树
必备技能：提问 搜索 Endnote
文献阅读 热心肠 SemanticScholar Geenmedical
扩增子分析：图表解读 分析流程 统计绘图
16S功能预测 PICRUSt FAPROTAX Bugbase Tax4Fun
在线工具：16S预测培养基 生信绘图
科研经验：云笔记 云协作 公众号
编程模板 Shell R Perl
生物科普 生命大跃进 细胞暗战 人体奥秘
写在后面
为鼓励读者交流、快速解决科研困难，我们建立了“宏基因组”专业讨论群，目前己有国内外150+ PI，1300+ 一线科研人员加入。参与讨论，获得专业解答，欢迎分享此文至朋友圈，并扫码加主编好友带你入群，务必备注“姓名-单位-研究方向-职称/年级”。技术问题寻求帮助，首先阅读《如何优雅的提问》学习解决问题思路，仍末解决群内讨论，问题不私聊，帮助同行。
学习16S扩增子、宏基因组科研思路和分析实战，关注“宏基因组”
点击阅读原文，跳转最新文章目录阅读