ggplot2如何画error bar charts

参考：
1.http://www.cookbook-r.com/Graphs/Plotting_means_and_error_bars_(ggplot2)/
2.https://www.zhihu.com/question/24779017/answer/38750383
3.https://zhuanlan.zhihu.com/p/28131878

R画图最重要的两点：1.数据类型;2.数据结构

• 意思是你必须在画图之前弄清楚你的数据类型和结构

0. 初次接触ggplot2可以这样理解：

ggplot2的逻辑其实是真正实现了一个图层叠加的概念：一句语句代表一张图，然后再有最小的单元图层。

ggplot2相比于R基础包的绘图函数的优点：第一，有明确的起始（以ggplot函数开始）与终止（一句语句一幅图）；其二，图层之间的叠加是靠“+”号实现的，越后面其图层越高；其三，绘图更加美观。R基础包的绘图函数没有一个停止绘图的标志，这使得有时候再处理会产生一些困惑。

ggplot2相比于R基础包的绘图函数的缺点：R基础包的绘图函数在做参数修改的时候，我们往往可以很方便地直接用一句单独的命令修改，譬如对于x轴的调整，觉得不满意就可以写命令直接调整。而ggplot2则意味着要重新作图。

1. 总结来说有以下几点：

• ggplot2的核心理念是将绘图与数据分离，数据相关的绘图与数据无关的绘图分离
• ggplot2是按图层作图
• ggplot2保有命令式作图的调整函数，使其更具灵活性
• ggplot2将常见的统计变换融入到了绘图中。

2.ggplot2的要素

ggplot图的元素可以主要可以概括如下：最大的是plot（指整张图，包括background和title），其次是axis（包括stick，text，title和stick）、legend（包括backgroud、text、title）、facet这是第二层次，其中facet可以分为外部strip部分（包括backgroud和text）和内部panel部分（包括backgroud、boder和网格线grid，其中粗的叫grid.major，细的叫grid.minor）。大致见下图，这部分内容的熟悉程度直接影响到对于theme的掌握，因此希望大家留心。

ggplot2的要素

3.ggplot2图层以及其他函数的分类

• ggplot2里的所有函数可以分为以下几类：
• 用于运算（我们在此不讲，如fortify_，mean_等）初始化、展示绘图等命令（ggplot，plot，print等）按变量组图（facet_等）真正的绘图命令（stat_，geom_，annotate），这三类就是实现一个函数一个图层的核心函数。
• 微调图型：严格意义上说，这一类函数不是再实现图层，而是在做局部调整。scale_：直译为标尺，这就是与aes内的各种美学（shape、color、fill、alpha）调整有关的函数。guides：调整所有的text。coord_：调整坐标。theme：调整不与数据有关的图的元素的函数。

4. 绘图

初始化。

ggplot2风格的绘图的第一步就是初始化，说白了就是载入数据空间、选择数据以及选择默认aes。

p <- ggplot(data = , aes(x = , y = ))

• data就是载入你要画的数据所在的数据框，指定为你的绘图环境，载入之后，就可以免去写大量的$来提取data.frame之中的向量。当然，如果你的数据都是向量，也可不指定，但是要在申明中标注data = NULL，不然就会得到不必要的报错。
• 第二个是重头戏，即aes，是美学（aesthetic）的缩写。这是在ggplot2初学者眼里最不能理解的东西，甚至很多老手也会在犹豫，什么时候要把参数写在aes里，什么时候要写在aes外。我们做一个简单的，不非常恰当的解释：任何与数据向量顺序相关，需要逐个指定的参数都必须写在aes里。这之后我们会进一步解释，现在我们初始化的时候，最好只是把关于位置的x和y指定一下就好。

绘制图层。

• 很多人在解释ggplot2的时候喜欢说，ggplot2绘图有两种函数，一类是geom_，绘图用的；一类是stat_，统计变换用的。这样说不是不对，只是很不恰当，很多人就会问出一些问题，比如，统计变换竟然是做运算用的，为什么可以用来画图？为什么stat_bin和geom_histgram画出来的图是一样，竟然一样，为什么要重复？
• 事实上，任何一个ggplot2图层都包括stat和geom俩部分，或者说两个步骤（其实还包括position）。 而stat_identity则表示不做任何的统计变换。

5.绘图模板

我们将上面的代码转换为一个可重用的 ggplot2 绘图模板。要想生成一张图，将以下代码
中的尖括号部分替换为数据集、几何对象函数或映射集合即可:

     ggplot(data = ) +
       (mapping = aes())

其余内容将向你展示如何完成并扩展这个模板，以制作出各种类型的图。我们将从 部分开始。

常见的错误
创建 ggplot2 图形时的一个常见问题是将 + 号放错了位置:+ 必须放在一行代码的末尾，而 不是开头。换句话说，请确保你没有粗心地写出以下这样的代码:

     ggplot(data = mpg)
     + geom_point(mapping = aes(x = displ, y = hwy))

# Load ggplot2
library(ggplot2)

# import data
WT = c(10.43149292, 7.861843613, 6.410500896)
LPS = c(61.35480134, 104.51002, 39.75195443, 81.71422978)

x <- c(WT,LPS)
group<-c(rep("WT",3),rep("LPS",4))

t.test(x~group, paired = F, var.equal = T)
sd1 = sd(WT)
sd2 = sd(LPS)
sd1
sd2

# create dummy data
data <- data.frame(
  Adipoq = c("LPS", "Control"),
  TPM = c(71.83275139, 8.234612476),
  sd = c(27.71529, 2.036249)
)

# Most basic error bar
ggplot(data) +
  geom_bar( aes(x=Adipoq, y=TPM), stat="identity", fill="black", alpha=0.5) +
  geom_errorbar( aes(x=Adipoq, ymin=TPM-sd, ymax=TPM+sd), width=0.4, colour="orange", alpha=0.9, size=0.6)

带error bar 的charts

折线图

image.png

xlim和ylim为坐标刻度范围

xlab和ylab为坐标标题

lwd  line width for drawing symbols

main 为图标题

sub 为图下标题

col.main 为设置图标题颜色

font.main 为设置图标题字体

cel 为symble 大小

lty 为折线类型 1为实线， 2为虚线

# Create data:
a=c(1:5)
b=c(5,3,4,5,5)
c=c(4,5,4,3,1)

# Make a basic graph
plot( b~a , type="b" , bty="l" , xlab="value of a" , ylab="value of b" , col=rgb(0.2,0.4,0.1,0.7) , lwd=3 , pch=17 , ylim=c(1,5) )
lines(c ~a , col=rgb(0.8,0.4,0.1,0.7) , lwd=3 , pch=19 , type="b" )

# Add a legend
legend("bottomleft", 
  legend = c("Group 1", "Group 2"), 
  col = c(rgb(0.2,0.4,0.1,0.7), 
  rgb(0.8,0.4,0.1,0.7)), 
  pch = c(17,19), 
  bty = "n", 
  pt.cex = 2, 
  cex = 1.2, 
  text.col = "black", 
  horiz = F , 
  inset = c(0.1, 0.1))

首先要弄清楚数据类型

• 如果x是连续变量，直接传入即可。如果x是离散变量，此时x需要因子化，并在aes里设定group参数为1

• 线可以是实线，也可以是点状的，可以用个linetpye进行设定，参数可以选择solid, dashed, dotted等

https://blog.csdn.net/jisuanjiguoba/article/details/73770282
https://blog.csdn.net/zhaozhn5/article/details/79264196

library(ggplot2)

data1 <- read.table("/Users/quyue/Desktop/bm_time_mean.txt", header = T)


datan<-data.frame(data1)

datan$time <- factor(datan$time)
str(datan)


ggplot(datan, aes(x=time, y=mean, color= gene)) + 
  geom_line(aes(x=time, y=mean, color= gene)) +
  geom_point()
# 数据类型不对，画不出线

genename=c("adipoq","adipoq","adipoq","Cebpa","Cebpa","Cebpa","Pparg","Pparg","Pparg","Lpl", "Lpl", "Lpl", "Apoe","Apoe","Apoe","Lepr","Lepr","Lepr","Cebpb","Cebpb","Cebpb","Cebpd","Cebpd","Cebpd")
time=c("-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y")
mean=c(2.345460836,
       8.234612478,
       155.3504286,
       12.07346902,
       16.47575095,
       40.67480404,
       3.066193369,
       3.714483696,
       8.268032454,
       38.49995415,
       55.91558454,
       115.384115,
       57.73547038,
       86.43911626,
       476.6139135,
       10.32626271,
       49.60748252,
       193.2777137,
       21.98790658,
       74.50810997,
       53.91309632,
       27.69452274,
       51.16709368,
       53.91309632)
bmaging=data.frame(genename,time,mean)
bmaging
ggplot(bmaging, aes(x=factor(time), y=mean, colour=genename,group=genename,shape=genename)) + 
  geom_line(size=0.6) +
  geom_point(size=2)