【R语言可视化】-- 柱状图要点一网打尽

大家好！欢迎关注可视化艺术！本公众号由生信师兄创办并持续更新！为了方便各位小伙伴更好的学习各种可视化技术！本公众号旨在从各种常用可视化软件出发，带大家更好的完成自己想要的Figure制作！

创作不易！您的点赞和在看是对师兄最大的支持和鼓励！

先对这一系列做个简单说明：本系列旨在通过R语言编程，实现数据的各种可视化！其中主要用到的R包为ggplot2，不会再讲解R语言自带的基础函数，如plot、barplot等！因为师兄凭借多年的实战经验，可以很明确的告诉大家，R语言可视化用的最多的R包就是ggplot2，只要你掌握了ggplot2，作图的效果完全可以吊打那些R自带的函数，所以没必要再把所有函数再学一遍！

当然了！如果有小伙伴想要了解更全面的内容：欢迎关注**【生信师兄】-- R语言绘图系列**。

代码和示例数据获取

柱状图简介

柱状图可能是最常用的一种数据可视化。它们通常用于显示数值(在y轴上)，用于显示不同类别的数值(在x轴上)。例如，柱状图可以用来显示四种不同商品的价格。柱状图通常不适合显示一段时间内的价格，因为时间是一个连续的变量。

基础柱状图

• ggplot基础语法解析：

  ggplot(data, aes(X,Y)) + geom_bar()

  data：数据，注意data必须为数据框格式；

  X：X轴对应的变量名；

  Y：Y轴对应的变量名；

  geom_bar：绘图函数，类似的还有geom_point、geom_bin、geom_boxplot、geom_density等等

# stat="bin"（默认）：柱高为各个分类数目；
ggplot(mtcars,aes(factor(cyl))) + geom_bar()

# stat="identity"柱高分类所占比例。
ggplot(BOD,aes(factor(Time),demand)) + geom_bar(stat = "identity")

再详细解释一下stat参数：stat表示X和Y的对应状态；

• bin：用于X为一个分类变量，Y对应的是X每一类的个数；故只需要指定X即可；例如上图1，只指定了X，Y根据X的类别个数自动识别；
• identity：这个就很好理解了，就是X和Y一一对应，需要指定X和Y；如上图2；

柱状图修改颜色和分组

通过fill指定填充颜色，color指定描边颜色：

library(gcookbook)

# 修改柱状图的填充（fill）和描边（color）：
ggplot(pg_mean,aes(group, weight)) + 
  geom_bar(stat = "identity",fill = "lightblue", color = "black")

通过分组设置颜色：

# 也可通过分组变量设置颜色：
ggplot(cabbage_exp,aes(Date, Weight, fill = Cultivar)) + 
  geom_bar(position = "dodge",stat = "identity")

# 通过scale_fill_brewer()修改颜色模式：
ggplot(cabbage_exp,aes(Date, Weight, fill = Cultivar)) + 
  geom_bar(position = "dodge",stat = "identity",color = "black") +
  scale_fill_brewer(palette = "Pastel1")  # 指定颜色模式为Pastel1

拓展： position参数： 此处的 position主要是指对图像的微调，最常见的应用是在分组的柱形图（bar）中，因为分组的柱形图会产生组内堆积和不堆积两种主要效果。

• position常用参数值：其中 stack和 dodge最为常用。
  • “identity”: 不调整，组内前后重叠;
  • “stack”: 堆积，默认position=“stack”；
  • “fill”：按比例堆积；
  • “dodge”: 分散
• ColorBrewer 配色，使用的是 scale_colour_ brewer ( )、scale_fill_ brewer ( )。要想了解所有的调色板，可以使用RColorBrewer::display.brewer.all()查看。以下是调色板：

修改颜色技巧补充

#######################
## 修改颜色的技巧：
library(gcookbook) 
upc <-subset(uspopchange, rank(Change)>40) 
upc

ggplot(upc, aes(x=Abb, y=Change, fill=Region)) + geom_bar(stat="identity")

# 此示例还使用reorder()函数，将条形按其高度进行排序； 
ggplot(upc, aes(x=reorder(Abb, Change), y=Change, fill = Region)) + 
  geom_bar(stat="identity", color="black") + 
  scale_fill_manual(values=c("#669933", "#FFCC66")) + 
  xlab("State")

#######################
## 正负两极不同的着色：
csub <- subset(climate, Source == "Berkeley" & Year >= 1900) 

# 思路：颜色根据正负数来填充？怎么识别正负数呢？
# 只能新建一个字段：该字段描述了正和负；
# 指定fill为该字段；
csub$pos <- csub$Anomaly10y >= 0 
csub

# 使用scale_fill_manual()修改颜色；guide = False参数去掉图例
ggplot(csub, aes(x=Year, y=Anomaly10y, fill=pos)) + 
  geom_bar(stat="identity", position="identity",color="black", size=0.25)+ 
  scale_fill_manual(values=c("#CCEEFF", "#FFDDDD"), guide=FALSE)

关于上面涉及到的两个填充颜色的函数说明：

scale_fill_brewer(palette = “Pastel1”)：表示颜色模式是在几种模板里面选一个（具体见上述ColorBrewer配图）；

scale_fill_manul(values=c(“#CCEEFF”, “#FFDDDD”))：表示指定特定的颜色，有几个分类就要指定几个颜色；

调整条形的宽度和间距

#######################
## 调节条形的宽度和间距（width参数）：
Library(cookbook)

# width默认是0.9;
ggplot(pg_mean, aes(x=group, y=weight)) + 
  geom_bar(stat="identity")

ggplot(pg_mean, aes(x=group, y=weight)) +
  geom_bar(stat="identity", width=0.5) 

# width最大值只能设置为1；
ggplot(pg_mean, aes(x=group, y=weight)) + 
  geom_bar(stat="identity", width=1)

## 调节分组条形图之间的间距：
# 默认的同一分组之间的条形是没有间距的：
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+
  geom_bar(stat ="identity", width=0.5, position= "dodge")

# 只需要将position_dodge参数设置的比width参数大一些就好了！
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + 
  geom_bar(stat="identity", width=0.5, position = position_dodge(0.7))

# 思考：position_dodge有什么含义？为什么比width大就会有间隙？

# 因为默认的position_dodge()里的内容一定是和width相等的，
# 当position_dodge为0的时候，两个柱子会重合；
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + 
  geom_bar(stat="identity", width=0.5, position = position_dodge(0.3))

堆积柱状图

#######################
## 堆积柱状图：
# position的默认值为stack；
# 即如果不设置position，并且设置了分组变量，就是画堆积图；
Library(cookbook)# For the data set 
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + 
  geom_bar(stat="identity")

# 修改图例堆积的顺序：guides()
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + 
  geom_bar(stat="identity") + 
  guides(fill = guide_legend(reverse = TRUE))

# 修改图形堆积的顺序：order = desc(); desc()可以简单地理解为取相反数；
cabbage_exp$Cultivar <- factor(cabbage_exp$Cultivar,levels = c("c39","c52"))

ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + 
  geom_bar(stat="identity")

ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar)) + 
  geom_bar(stat="identity", color = "black") + 
  guides(fill = guide_legend(reverse = TRUE)) + 
  scale_fill_brewer(palette = "Pastel1")

柱状图加标签：

#################
# 添加标签：
library(ggplot2)
library(gcookbook)
cabbage_exp <- cabbage_exp

# 标签位置的设定：vjust参数；
ggplot(cabbage_exp, aes(x=interaction(Date, Cultivar), y=Weight)) +
  geom_bar(stat="identity") +
  geom_text(aes(label=Weight), vjust=1.5, colour="white")

ggplot(cabbage_exp, aes(x=interaction(Date, Cultivar), y=Weight)) +
  geom_bar(stat="identity") +
  geom_text(aes(label = Weight), vjust=-0.2)


# 为了防止标签跑出图形，可以调整y轴的范围：
# 方法一：ylim()函数：
ggplot(cabbage_exp, aes(x=interaction(Date, Cultivar), y=Weight)) + 
  geom_bar(stat="identity") + 
  geom_text(aes(label=Weight), vjust=-0.2) + 
  ylim(0, max(cabbage_exp$Weight)* 1.05)

# 方法二：以weight为基准，调节y值，图形高度会自动适配：
ggplot(cabbage_exp, aes(x=interaction(Date, Cultivar), y=Weight))+
  geom_bar(stat="identity")+
  geom_text(aes(y = Weight + 0.1, label = Weight))

# 分组柱状图加标签：需要设定position_dodge(),以调整字体的合适位置；
ggplot(cabbage_exp, aes(x=Date, y=Weight, fill=Cultivar))+
  geom_bar(stat = "identity", position = "dodge") + 
  geom_text(aes(label=Weight), vjust=1.5, color="white",
            position=position_dodge(.9), size=3)

library(plyr) 
# 堆积柱状图添加lable
ce <- arrange(cabbage_exp, Date, Cultivar)

ce<-ddply(ce, "Date", transform, label_y=cumsum(Weight))

ce$Cultivar <- factor(ce$Cultivar,levels = c("c52","c39"))

ggplot(ce, aes(x=Date, y=Weight, fill=Cultivar))+
  geom_bar(stat="identity") + 
  geom_text(aes(y=label_y, label=Weight), vjust=1.5, colour="white")

# 修改lable至中央：
ce <- arrange(cabbage_exp, Date, Cultivar)

ce<-ddply(ce, "Date", transform, label_y=cumsum(Weight)-0.5*Weight)

ce$Cultivar <- factor(ce$Cultivar,levels = c("c52","c39"))

ggplot(ce, aes(x=Date, y=Weight, fill=Cultivar))+
  geom_bar(stat="identity") + 
  geom_text(aes(y=label_y, label=Weight), vjust=1.5, colour="white")

# 添加单位，并修改颜色模式
ggplot(ce, aes(x=Date, y=Weight, fill=Cultivar))+
  geom_bar(stat="identity", colour="black")+
  geom_text(aes(y=label_y, label=paste(format(Weight, nsmall=2), "kg")),size=4)+ 
  scale_fill_brewer(palette="Pastel1")

柱状图加误差棒

普通柱状图加误差棒

# 加误差棒：
# 加误差棒：
library(tidyverse)
ce_mod <- cabbage_exp %>%
   filter(Cultivar == "c39")
head(ce_mod)
# Cultivar Date Weight        sd  n         se
# 1      c39  d16   3.18 0.9566144 10 0.30250803
# 2      c39  d20   2.80 0.2788867 10 0.08819171
# 3      c39  d21   2.74 0.9834181 10 0.31098410

ggplot(ce_mod, aes(x = Date, y = Weight)) +
   geom_bar(fill="lightblue", stat="identity",
            colour = "black") +
   geom_errorbar(aes(ymin = Weight - se, ymax = Weight + se),
                 width = 0.2)

分组柱状图加误差棒

# 分组柱状图加误差棒：
ggplot(cabbage_exp, aes(x = Date, y = Weight,fill=Cultivar)) +
  geom_bar(stat="identity",position = "dodge") +
  geom_errorbar(aes(ymin = Weight - se, ymax = Weight + se),
                position = position_dodge(0.9), width = 0.2)

最后再来一点小调整 + 主题美化！

# 查看字体：
windowsFonts()

ggplot(cabbage_exp, aes(x = Date, y = Weight,fill=Cultivar)) +
  # 绘制柱状图主体：
  geom_bar(stat="identity", 
           width=0.75, # 调整柱形宽度；
           position = "dodge") +
  # 添加误差棒：
  geom_errorbar(aes(ymin = Weight - se, ymax = Weight + se),
                position = position_dodge(0.9), 
                # 误差棒的宽度和粗细：
                width = 0.12, size=0.6)+
  # 修改主题：
  theme_bw()+
  # 去掉背景中的网格线：
  theme(panel.grid = element_blank(),
        # 修改图例位置：
        legend.position = "top",
        # 调整字体：
        text=element_text(size=14, family="serif"))+
  # 调整柱状图颜色：
  scale_fill_manual(values = c("#55c2c7","#b4ea85"))

就这样！一张完美的柱状图就有啦！学完这一小节！你对R语言绘制柱状图是不是了如指掌了呢！赶紧收藏起来，记得用到的时候拿出来看看哦！

如果你觉得本期教程对您有帮助的话，欢迎点赞、点在看您的支持是我继续坚持的最大动力！

代码和示例数据获取