R语言医学数据分析实战（三）数据可视化

---

一、用R的基础绘图系统作图

基础绘图系统有两类函数：一类是高水平作图函数（直接产生图形的函数）；一类是低水平作图函数（在图形基础上加新的图形或者元素）

1.函数plot()

#准备数据
dose <- c(20, 30, 40, 45, 60)
drugA <- c(16, 20, 27, 40, 60)
drugB <- c(15, 18, 25, 31, 40)

plot(dose,drugA)
plot(dose,drugA,type = 'b') #默认type=p

lty不同类型的线，pch不同特征的点。

plot(dose,drugA,type='b',xlab = "Dosage",ylab = "Response",lty=1,pch=15)
lines(dose,drugB,type='b',lty=2,pch=17)
legend("topleft",title = "Drug Type",legend=c("A","B"),lty=c(1,2),pch = c(15,17))

2.直方图和密度曲线图

引入MASS包中关于年轻女性厌食症体重变化的数据

> library(MASS)
> data(anorexia)
> str(anorexia)
'data.frame':	72 obs. of  3 variables:
 $ Treat : Factor w/ 3 levels "CBT","Cont","FT": 2 2 2 2 2 2 2 2 2 2 ...
 $ Prewt : num  80.7 89.4 91.8 74 78.1 88.3 87.3 75.1 80.6 78.4 ...
 $ Postwt: num  80.2 80.1 86.4 86.3 76.1 78.1 75.1 86.7 73.5 84.6 ...

hist(Prewt)#直方图
plot(density(Prewt))#密度图

参数col：设置形状颜色；
参数las：值为1设置纵坐标的横向表示。

hist(Prewt,freq = FALSE,xlab = "体重(lbs)",col='red',main = "治疗前体重直方图",las=1)
lines(density(Prewt),col='blue',lwd=2)
rug(Prewt)

3.条形图

以来自一项关于类风湿性关节炎治疗新方法试验的数据集为例：
首先，查看数据。table()用于生成分类变量的频数统计表。

> library(vcd)
> data(Arthritis)
> attach(Arthritis)
> counts<-table(Improved)
> counts
Improved
  None   Some Marked 
    42     14     28 

barplot()除了展示直方图，还可以展示二维列联表数据。

barplot(counts,xlab="Improvement",ylab = "Frequency",las=1)

counts<-table(Improved,Treatment)
barplot(counts,xlab="Improvement",ylab = "Frequency",col=c("red","yellow","green"),las=1,beside=TRUE)
legend("top",legend=rownames(counts),fill=c("red","yellow","green"))

4.饼图

**饼图：**使用pie()绘制。
paste0()：可以根据第三个参数把字符串连接在一起。

percent <- c(5.8, 27.0, 0.5, 20.8, 12.8, 33.1)
disease <- c("上感","中风","外伤","昏厥","食物中毒","其他")
labs<-paste0(disease,percent,"%")
pie(percent,labels = labs,col = rainbow(6))

5.箱线图和小提琴图

**箱型图：**使用boxplot()绘制。

library(MASS)
data(anorexia)
anorexia$wt.change<-anorexia$Postwt-anorexia$Prewt
boxplot(wt.change~Treat,data=anorexia,ylab="Weight change(lbs)",las=1)

**小提琴图：**使用vioplot()绘制。

library(vioplot)
vioplot(wt.change~Treat,data=anorexia,ylab="Weight change(lbs)",las=1,col="gold")

6.克里夫兰点图

**克里夫兰点图：**使用dotchart()绘制。

dotchart(VADeaths)
dotchart(t(VADeaths),pch = 19)

二、用ggplot2包作图

1.初识ggplot2包

ggplot2包提供了一套基于图层语法的绘图系统，各种数据可视化的原则完全一致。以汽车燃油数据集mtcars为例。

library(ggplot2)
p<-ggplot(data=mtcars,mapping=aes(x=wt,y=mpg))
p+geom_point()

数据集中变量am（传动方式）是个分类变量0/1

mtcars$am<-factor(mtcars$am)
ggplot(data=mtcars,aes(x=wt,y=mpg,color=am))+geom_point()
ggplot(data=mtcars,aes(x=wt,y=mpg,color=am))+geom_smooth()

ggplot(data=mtcars,aes(x=wt,y=mpg))+geom_point(aes(color=am))+scale_color_manual(values = c("blue","red"))+stat_smooth()

ggplot2还可以分组绘图。

ggplot(data=mtcars,aes(x=wt,y=mpg))+geom_point()+stat_smooth()+facet_grid(~am)

ggplot2包还可以将图的主题设置为暗色主题。

ggplot(data=mtcars,aes(x=wt,y=mpg))+geom_point(aes(color=am))+stat_smooth()+theme_dark()

2.分布的特征

分布特征分别用ggplot2包绘制为直方图和折线图

ggplot(anorexia,aes(x=wt.change,y=..density..))+geom_histogram(binwidth = 2,fill="skyblue",color="black")+labs(x="Weight change(lbs)")+stat_density(geom="line",linetype="dashed",size=1)

ggplot(anorexia,aes(x=wt.change,color=Treat,linetype=Treat))+labs(x="Weight change(lbs)")+stat_density(geom="line",size=1)

**箱形图：**使用geom_boxplot()绘制。
**ggpubr包：**提供了在平行箱型图上添加组件比较的统计学差异功能。

ggplot(anorexia,aes(x=Treat,y=wt.change),fill=Treat)+geom_boxplot()+theme_bw()
library(ggpubr)
mycomparisons<-list(c("CBT","Cont"), c("CBT", "FT"), c("Cont", "FT"))
ggplot(anorexia,aes(x=Treat,y=wt.change),fill=Treat)+geom_boxplot()+stat_compare_means(comparisons=mycomparisons,method="t.test",color="blue")+theme_bw()

小提琴图

# position：字符串形式的位置参数，确定位置（也可以是返回位置参数的函数）
ggplot(anorexia,aes(x=Treat,y=wt.change),fill=Treat)+geom_violin()+geom_point(position=position_jitter(0.1),alpha=0.5)+theme_bw()

3.比例的构成

比例叠加到条形图如下：

#scale_fill_brewer()一般用于箱线图和条形图等需要填充的图
#1.计数
ggplot(Arthritis,aes(x=Treatment,fill=Improved))+
  geom_bar(color="red")+
  scale_fill_brewer()+
  theme_bw()
#2.比例
ggplot(Arthritis,aes(x=Treatment,fill=Improved))+
  geom_bar(color="red",position = "fill")+
  scale_fill_brewer()+
  theme_bw()

还可以将条形图并排放置

ggplot(Arthritis,aes(x=Treatment,fill=Improved))+
  geom_bar(color="red",position = "dodge")+
  scale_fill_brewer()+
  theme_bw()

4.ggsave()保存图形

p<-ggplot(Arthritis,aes(x=Treatment,fill=Improved))+
    geom_bar(color="red",position = "dodge")+
    scale_fill_brewer()+
    theme_bw()
ggsave("myplot.png",p)
ggsave("myplot.tiff", width = 15, height = 12, units = "cm", dpi = 500)

三、其他图形

1.金字塔图

金字塔图：使用pyramid()绘制，是背靠背式的条形图

library(epiDisplay)
data(Oswego)
pyramid(Oswego$age,Oswego$sex,col.gender = c(2,4),bar.label = TRUE)

2.横向堆栈条形图

library(sjPlot)
data(efc)
view_df(efc) #查看数据集信息

library(dplyr)
qdata<-dplyr::select(efc,c82cop1:c90cop9)
plot_stackfrq(qdata)

3.热图

> data(mtcars)
> dat<-scale(mtcars)#进行数据的中心化和标准化
> class(dat)
[1] "matrix" "array" 
> heatmap(dat)

4.三维散点图

三维散点图：使用scatterplot3d()绘制。其中参数type用于绘制图的类型，默认为"p"(点)，这里设为"h"(垂直线段)。参数angle为x轴和y轴的角度。

library(scatterplot3d)
data(trees)
scatterplot3d(trees,type="h",highlight.3d = T,angle=55,pch=16)

如果想动态调整3D图形，可以使用plot3d()绘制。

library(rgl)
plot3d(trees)

5.词云图

> library(wordcloud2)
> head(demoFreqC)
        V2   V1
1     数据 2304
3     统计 1413
4     用户  855
5     模型  846
7     分析  773
8 数据分析  750
> wordcloud2(demoFreqC)

wordcloud2主要输入的是词频统计表。

---

总结

提示：这里对文章进行总结：
以上就是今天要讲的内容，本文仅仅简单介绍了R语言绘制各种基本图形的用法。