R 数据可视化 —— ggplot 柱状图/条形图

前言

ggplot2 中有两种绘制条形图的函数：geom_bar() 和 geom_col()

geom_bar() 使条形的高度与每个组中的观察值的数目成正比，或者如果设置了 weight 参数，则为分组内指定的所有权重变量值之和

如果你想直接使用条形图的高度来表示数据中的值，可以使用 geom_col()

geom_bar() 默认使用的统计变换方法是 count，而 geom_col() 使用 identity 不做变换。

示例

1 简单条形图

g <- ggplot(mpg, aes(class))
g + geom_bar()

使用 weight 参数来统计分组内 displ 变量值之和

g + geom_bar(aes(weight = displ))

绘制水平条形图，有两种方式，反转坐标轴或者将数据设置在 y 轴

p1 <- ggplot(mpg) + geom_bar(aes(y = class))

p2 <- g + geom_bar() + coord_flip() 

plot_grid(p1, p2, labels = LETTERS[1:2], ncol = 2)

推荐使用翻转坐标轴的方式，因为有些图形是无法修改属性映射的。

使用 geom_col 绘制条形图

df <- data.frame(trt = c("a", "b", "c"), outcome = c(2.3, 1.9, 3.2))
ggplot(df, aes(trt, outcome)) +
  geom_col()

2. 设置颜色

p1 <- g + geom_bar(color = 'blue', fill='white')

p2 <- g + geom_bar(aes(fill=class))

p3 <- g + geom_bar(aes(colour=class), fill='white')

p4 <- g + geom_bar(aes(fill=class)) +
  scale_fill_manual(values = c("#8c510a", "#d8b365", "#f6e8c3", 
                               "#c7eae5", "#5ab4ac", "#01665e", "#af8dc3"))

plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], ncol = 2)

3. 分组条形图

3.1 堆积条形图

简单堆积条形图

g <- ggplot(mpg, aes(class))
g + geom_bar(aes(fill = drv))

翻转堆积条形图，并反转堆积顺序

ggplot(mpg, aes(y = class)) +
  geom_bar(aes(fill = drv), position = position_stack(reverse = TRUE)) +
  theme(legend.position = "top")

本来的堆积顺序是，蓝色在最下面，然后是绿色，最后是粉色，使用 position_stack 将该顺序逆转

那如何在堆叠块之间设置空白间距呢？

我们可以先设置 lwd 参数，增加外框线的宽度，然后将外框线的颜色设置成背景颜色，就可以达到目的了

那我不知道背景颜色怎么办？也很简单。

我们在主题章节介绍过 theme_get 函数可以获取当前主题，只要找到当前主题的 panel.background 属性，并找到对应的填充色 fill 就可以知道啦。

> old<- theme_get()
> old$panel.background
List of 5
 $ fill         : chr "grey92"
 $ colour       : logi NA
 $ size         : NULL
 $ linetype     : NULL
 $ inherit.blank: logi TRUE
 - attr(*, "class")= chr [1:2] "element_rect" "element"

好了，现在知道了背景色为 grey92，那么我就可以绘制了

g <- ggplot(mpg, aes(class))
g + geom_bar(aes(fill = drv), lwd=1.5, colour='grey92')

当然，你也可以指定分隔区的颜色，然后将背景色改为相应的颜色就可以了

3.2 百分比条形图

如果我们想知道每个分组中各部分的占比情况，可以设置 position = 'fill' 或者 position_fill() 函数来绘制百分比条形图，例如

g + geom_bar(aes(fill = drv), 
                   position = 'fill')

3.3 并列条形图

条形图默认会绘制堆积条形图，我们可以使用 position_dodge 和 position_dodge2 来绘制并列条形图

position_dodge(width = NULL, preserve = c("total", "single"))

position_dodge2(
  width = NULL,
  preserve = c("total", "single"),
  padding = 0.1,
  reverse = FALSE
)

我们来看看这两个函数的区别，当不传递参数时，可以传入字符串 dodge 或 dodge2，分别代表这两个函数

p1 <- g + geom_bar(aes(fill = drv), position = position_dodge())

p2 <- g + geom_bar(aes(fill = drv), position = position_dodge2())

plot_grid(p1, p2, labels = LETTERS[1:2], ncol = 2)

我们可以看到，dodge 同一组内的柱子是靠近在一起的，而 dodge2 有空白间距。

由于默认情况下，会保持分组的宽度一致，这就造成分类少的组内柱子宽度更大，我们可以设置 preserve = 'single' 保持每个柱子的宽度是一样的。

p1 <- g + geom_bar(aes(fill = drv), position = position_dodge(preserve = 'single'))

p2 <- g + geom_bar(aes(fill = drv), position = position_dodge2(preserve = 'single'))

plot_grid(p1, p2, labels = LETTERS[1:2], ncol = 2)

组内柱子之间的间距怎么设置呢？这两个函数的设置方式会有些差别

p1 <- g + geom_bar(aes(fill = drv), 
                   position = position_dodge(
                     preserve = 'single', width = 0.5))

p2 <- g + geom_bar(aes(fill = drv), 
                   position = position_dodge(
                     preserve = 'single', width = 1))

p3 <- g + geom_bar(aes(fill = drv), 
                   position = position_dodge2(
                     preserve = 'single', padding = 0.5))

p4 <- g + geom_bar(aes(fill = drv), 
                   position = position_dodge2(
                     preserve = 'single', padding = 1.2))

plot_grid(p1, p2, p3, p4, labels = LETTERS[1:4], ncol = 2)

我们可以看到，图 A、B 设置的是分组总的宽度，宽度小于 1 会导致组内柱子之间交叠，如果大于 1 会导致组间出现交叠

而图 C、D 通过设置不同的 padding 值，会影响柱子的宽度，通过压缩柱子的宽度来增加组内间距。

3.3 设置条形图误差线

我们在并列条形图的基础上，绘制误差线

mpg %>% 
  group_by(class, drv) %>% 
  summarise(count = n()) %>%
  ggplot(aes(class, count)) +
  geom_col(aes(fill=drv), position = position_dodge2(preserve = 'single')) +
  geom_errorbar(aes(ymin = count - 1, ymax = count + 1),
                position = position_dodge2(preserve = 'single', padding = 0.5))

因为我们在绘制误差线时需要用到每个柱子的大小，所以在这里，我们先对数据进行了汇总，然后使用 geom_col 绘制条形图。

3.4 添加标注

有时候，我们可能想知道条形图的每个柱子的具体数值或占比情况，需要为每个柱子添加文本注释信息

mpg %>% 
  group_by(class, drv) %>% 
  summarise(count = n()) %>%
  ggplot(aes(class, count)) +
  geom_col(aes(fill=drv), position = position_dodge2(preserve = 'single')) +
  geom_text(aes(label=count), 
            position = position_dodge2(width = 0.9, preserve = 'single'), 
            vjust = -0.2, hjust = 0.5)

我们使用 geom_text 添加标签注释，有几点需要注意

注意事项：

geom_text 中设置的 position 信息需要与条形图中的设置对应，即堆叠对应堆叠，并列对应并列，上面的例子是并列的方式。

柱子宽度需要一致，默认为 0.9。同时，如果不设置 preserve = 'single'，则宽度为整个分组的宽度。

vjust 设置为负数是将文本上移，hjust=0.5 为了水平对齐。

堆叠的例子

mpg %>% 
  group_by(class, drv) %>% 
  summarise(count = n()) %>%
  mutate(cumcount = cumsum(count)) %>%
  ggplot(aes(class, count)) +
  geom_col(aes(fill=drv), position = position_stack(reverse = TRUE)) +
  geom_text(aes(label = cumcount), 
            position = position_stack(), # 可以不设置该参数
            vjust = 0.5, hjust=0.5)

我们看到，标签都是放置在上面，那我想要把标签放中间怎么办？

mpg %>% 
  group_by(class, drv) %>% 
  summarise(count = n()) %>%
  mutate(cumcount = cumsum(count), midcount = cumcount - count/2) %>%
  ggplot(aes(class, count)) +
  geom_col(aes(fill = drv), position = position_stack(reverse = TRUE)) +
  geom_text(aes(y = midcount, label = cumcount), hjust=0.5)

注意，我们不再为 geom_text 的 position 参数设置值，因为不需要根据 y 的值进行堆叠

4. 条形图的变形

4.1 金字塔图

df <- tibble(
  gene = factor(paste0("gene_", rep(1:16, 2)), levels = paste0("gene_", 16:1)),
  stat = c(seq(-10, -100, -10), seq(-90, -40, 10), seq(10, 100, 10), seq(90, 40, -10)),
  direct = rep(c("down", "up"), each=16)
)

ggplot(df, aes(gene, stat, fill = direct)) + 
  geom_col() +
  coord_flip() + 
  scale_y_continuous(breaks = seq(-100, 100, 20),
                     labels = c(seq(100, 0, -20), seq(20, 100, 20)))

4.2 偏差图

df <- tibble(
  gene = factor(paste0("gene_", 1:20), levels = paste0("gene_", 20:1)),
  stat = c(seq(100, 10, -10), seq(-10, -100, -10)),
  direct = factor(rep(c("up", "down"), each=10), levels = c("up", "down"))
)

ggplot(df, aes(gene, stat, fill = direct)) + 
  geom_col() +
  coord_flip()