今天是开始学习R语言的一天，由于前期已经有一部分了解，R也已经安装完毕，先说说一些tips
- 前期基础一定要打好，书一定要认真看，推荐《R语言实战》
- 做好不断报错的准备，其实慢慢掌握来自于不断解决各种报错，所以心态一定摆好，报错是常有的事
- 在输入代码的过程中，包括各种标点符号都要用英文输入法，不然会报错
- 电脑的路径设置改成都是英文，前期因为这个吃了不少亏
ggplot2学习
利用ggplot2的内置数据框mpg作为数据
所有的作图基础都基于 ggplot(data =) + (mapping = aes())
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy))
image.png
- 不同类型的点显示颜色，以class作为分类区分
ggplot(data = mpg) + geom_point(mapping = aes(x = displ, y = hwy, color = class))
image.png
- 设置点的大小
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, size = class))
image.png
- 同时设置不同的映射，只需要知道是什么含义就能加，shape指形状，alpha 指透明度
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, color = class,shape = class, alpha = class))
image.png
在这里会有一个警告信息，自动设置形状只有6个，而这里class有7中，第七种就被移除出去
警告信息
- 也可以根据自己的喜好改变散点的形状和颜色,下面的代码我们可以看到color = "blue"是不在映射里面的
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy), color = "blue")
image.png
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy, stroke = 3),shape=21,color = "yellow",fill="red")
image.png
shape选择不同序号，代表不同的形状
- 空心形状 0-14 color边框
- 实心形状 15-20 color填充
填充形状 21-24 color边框，和fill填充
生信星球
- 单个变量进行单面显示,nrow指定分面后显示几行,ncol指定分面后显示几列,
需要注意的是
~分面依据必须是离散型变量。
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ class, nrow = 2) #分两行展示
image.png
- 两个变量分面 facet_grid()
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(drv ~ cyl)
image.png
- 不想在行或列维度中分面，用.代替变量名
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_grid(. ~ cyl)
效果和单个变量分面一样，就是只要1行
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy)) +
facet_wrap(~ cyl, nrow = 1)
image.png
- 接下来理解不同的几何对象，嗯，就是要画不同的图，上面画的散点图，还可以画线图，柱状图
ggplot(data = mpg) +
geom_smooth(mapping = aes(x = displ, y = hwy,linetype = drv))
image.png
- 如果要同时画散点图和线图，这里就是不同的图层叠加，学会一个新名词，局部映射
ggplot(data = mpg) +
geom_point(mapping = aes(x = displ, y = hwy,color = drv,)) +
geom_smooth(mapping = aes(x = displ, y = hwy,color = drv))
image.png
- 像上面要分别在散点和线性映射里面分别设置color，就会很麻烦，所以就引入了全局映射
ggplot(data = mpg, mapping = aes(x = displ, y = hwy,color = drv)) +
geom_point() +
geom_smooth()
image.png
统计变换
这个目前还有待于我进一步理解，大约看懂了，但实际操作是如何应用？
- 需要好好理解这段，以前不知道这种图怎么做出来，比如在β珠蛋白簇上各个时期珠蛋白所占比例就是用这种方法，或者说不同分组的细胞周期表达模式不同，position="fill"，这样设置使得每组堆叠条形具有相同的高度。
geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill")
image.png
加入alpha = 1/2（数字越小越透明），可以设置透明度
geom_bar(mapping = aes(x = cut, fill = clarity), alpha = 1/2, position = "fill")
image.png
- 把刚刚散点图的代码换成geom_jitter(),出来的点会变多，因为原本重叠被挡住的点也显示出来了
这个是geom_point
geom_point(mapping = aes(x = displ, y = hwy,color=class))
image.png
换成geom_jitter()
ggplot(data = mpg) +
geom_jitter(mapping = aes(x = displ, y = hwy,color=class))
image.png
- 一个棒棒的翻转：coord_flip翻转坐标系
原来的样纸
ggplot(data = mpg, mapping = aes(x = class, y = hwy,color=class)) +
geom_boxplot()
image.png
翻转后的样纸，莫名就是觉得高级哈哈
ggplot(data = mpg, mapping = aes(x = class, y = hwy,color=class)) +
geom_boxplot()+
coord_flip()
image.png
- 把前面的柱形图画成圈圈图,神似葱油饼
ggplot(data = diamonds) +
geom_bar(mapping = aes(x = cut, fill = clarity), position = "fill") +
coord_polar(theta = "y")
image.png