Part 5:R語言作圖

1.常用可視化R包

  • 作圖
    • base
    • ggplot2
    • ggpubr
  • 拼圖
    • par里mfrow
    • grid.arrage
    • cowplot
    • customLayout
    • patchwork
  • 導出
    • pdf（）等三段論
    • ggsave
    • eoffice
      • topptx

2.基礎包-繪圖函數(shù)

高級繪圖函數(shù)

plot()      #繪制散點圖等多種圖形，根據(jù)數(shù)據(jù)的類型，調(diào)用相應的函數(shù)繪圖
hist()      #頻率直方圖
boxplot()       #箱線圖
stripchart()        #點圖
barplot()       #柱狀圖
dotplot()       #點圖
piechart()      #餅圖
matplot()       #數(shù)字圖形

低級繪圖函數(shù)

lines()     #添加線
curve()     #添加曲線
abline()        #添加給定斜率的線
points()        #添加點
segments()      #折線
arrows()        #箭頭
axis()          #坐標軸
box()       #外框
title()     #標題
text()      #文字
mtext()     #圖邊文字

繪圖參數(shù)

#參數(shù)用在函數(shù)內(nèi)部，在沒有設定值時使用默認值。
font=字體
lty=線類型
lwd=線寬度
pch=點的類型
xlab=橫坐標
ylab=縱坐標
xlim = 橫坐標范圍
ylim=縱坐標范圍
也可以對整個要繪制圖形的各種參數(shù)進行設定
參見par()

3.gglot2語法

1.入門級繪圖模板

ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))

ggplot(data=iris)+
    geom_point(mapping=aes(x=Sepal.Length,
                            y=Petal.Length))

2.映射-顏色、大小、透明度、形狀

屬性 參數(shù)
x軸 x
y軸 y
顏色 color
大小 size
形狀 shape
透明度 alpha
填充顏色 fill
  • 圖中加粗為可手動設置的參數(shù)
  • 手動設置需要設為有意義的值
    • 顏色：字符串，blue，red等
    • 大?。簡挝籱m
    • 形狀：數(shù)字編號表示
      • 空心形狀 0-14 color邊框
      • 實心形狀 15-20 color填充
      • 填充形狀 21-24 color邊框，和fill填充
image-20201124110810962.png
ggplot(data = mpg) +
    geom_point(mapping = aes(x = displ, y = hwy), color = "blue")

  • 映射vs手動設置

    ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy,color = class))
ggplot(data = mpg) +
  geom_point(mapping = aes(x = displ, y = hwy),color = "blue")

3.分面

ggplot(data = iris) +
    geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
    facet_wrap(~ Species)
image-20201124111102936.png

  • 雙分面

    test$group = sample(letters[1:5],150,replace = T)
ggplot(data = test) +
  geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) +
  facet_grid(group ~ Species)
image-20201124111222469.png

4.幾何對象

  • 理解分組

    ggplot(data = test) +
  geom_smooth(aes(x = Sepal.Length,
                  y = Petal.Length,group = Species))
image-20201124111556014.png
ggplot(data = test) +
  geom_smooth(aes(x = Sepal.Length,
                  y = Petal.Length,color = Species))
image-20201124111713570.png

  • 幾何對象可以疊加

    #局部映射
ggplot(data = test) +
  geom_smooth(mapping = aes(x = Sepal.Length, y = Petal.Length))+
  geom_point (mapping = aes(x = Sepal.Length, y = Petal.Length))

#全局映射
ggplot(data = test, mapping = aes(x = Sepal.Length, y = Petal.Length)) +
  geom_smooth()+
  geom_point ()
image-20201124111841885.png
  • 映射
    • 局部映射
      • 僅對當前圖層有效
    • 全局映射
      • 對所有圖層有效
    • 當局部映射和全局映射沖突時，以局部為準

5.統(tǒng)計變換

ggplot(data = diamonds) +
    geom_bar(mapping = aes(x = cut))
    
ggplot(data = diamonds) +
    stat_count(mapping = aes(x = cut))

  • 使用場景1：使用表中數(shù)據(jù)直接做圖，而不是統(tǒng)計

    ggplot(data = fre) +
  geom_bar(mapping = aes(x = Var1, y = Freq), stat = "identity")
image-20201124114710331.png

  • 使用場景2：不統(tǒng)計count，統(tǒng)計prop(比例)

    ggplot(data = diamonds) +
  geom_bar(mapping = aes(x = cut, y = ..prop.., group = 1))

6.位置調(diào)整

  • 位置關系

    • geom_point()
image-20201124115022619.png
  • geom_jitter()
image-20201124115112693.png

  • 堆疊直方圖

    ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x =cut,fill=clarity))
image-20201124115403891.png

  • 并列直方圖

    ggplot(data = diamonds) + 
  geom_bar(mapping = aes(x = cut, fill =clarity), position = "dodge")
image-20201124115451819.png

7.坐標系

  • 翻轉(zhuǎn)coord_flip()

    ggplot(data = mpg, mapping = aes(x = class, y = hwy)) + 
  geom_boxplot() +
  coord_flip()
image-20201124115622573.png

  • 極坐標系coord_polar()

    bar <- ggplot(data = diamonds) + 
  geom_bar(
    mapping = aes(x = cut, fill = cut), 
    show.legend = FALSE,
    width = 1
  ) + 
  theme(aspect.ratio = 1) +
  labs(x = NULL, y = NULL)
bar + coord_flip()
bar + coord_polar()
bar + theme_classic()
bar + theme_dark()

8.完整繪圖模板

ggplot(data = <DATA>) +
    <GEOM_FUNCTION>(
        mapping = aes(<MAPPINGS>),
        stat = <STAT>,
        position = <POSITION>
) +
    <COORDINATE_FUNCTION> +
    <FACET_FUNCTION>

4.ggpubr

ggscatter(iris,x="Sepal.Length",y="Petal.Length",color="Species")

ggboxplot(iris, x = "Species", 
                y = "Sepal.Length",
                color = "Species",
                shape = "Species",
                add = "jitter")                 #ggpubr去掉了映射和圖層的概念
p

my_comparisons <- list( c("setosa", "versicolor"), c("setosa", "virginica"),
c("versicolor", "virginica") )
p + stat_compare_means(comparisons = my_comparisons)+
    stat_compare_means(label.y = 9)

5.圖片保存

  • ggplot2系列：

    ggsave("iris_box_ggpubr.png")
ggsave(p,filename = "iris_box_ggpubr2.png")

  • 通用：三段論

    保存的格式及文件名     pdf(“test.pdf”)
作圖代碼              ..........
                      .........
畫完了，關閉畫板      dev.off()

  • 神奇eoffice

    library(eoffice)
topptx(p,"iris_box_ggpubr.pptx")

6.拼圖

  • R包patchwork
  • 語法簡單，完美兼容ggplot2
  • 拼圖比例設置簡單
    • （1）支持直接p1+p2拼圖，比任何一個包都簡單
    • （2）復雜的布局代碼易讀性更強
    • （3）可以給子圖添加標記（例如ABCD， I II III IV 這樣）
    • （4）可以統(tǒng)一修改所有子圖
    • （5）可以將子圖的圖例移到一起，整體性特別好
ibrary(patchwork)
p1 = ggscatter(iris,x="Sepal.Length",
          y="Petal.Length",
          color="Species")

p2 <- ggboxplot(iris, x = "Species", 
               y = "Sepal.Length",
               color = "Species", 
               shape = "Species",
               add = "jitter")
p3 = ggplot(data = mpg, mapping = aes(x = class, y = hwy)) + 
  geom_boxplot()
p4 = ggplot(data = diamonds) + 
  geom_bar(
    mapping = aes(x = cut, fill = cut), 
    show.legend = FALSE,
    width = 1
  )
p1 + p2 + p3 + p4 + plot_annotation(tag_level = "A")
p1/p2

  • 代碼可運行卻不出圖——因為畫板被占用

    dev.off()         #表示關閉畫板
#多次運行dev.off(),到null device為止，在運行出圖代碼或dev.new(y)

7.進階

1.tidyr 核心函數(shù)

  • tidyr的扁和長

    ### 原始數(shù)據(jù)

test <- data.frame(geneid = paste0("gene",1:4),
                 sample1 = c(1,4,7,10),
                 sample2 = c(2,5,0.8,11),
                 sample3 = c(0.3,6,9,12))
test

### 扁變長

test_gather <- gather(data = test,
                    key = sample_nm,
                    value = exp,
                    - geneid)
head(test_gather)

### 長變扁

test_re <- spread(data = test_gather,
                key = sample_nm,
                value = exp)
head(test_re)

  • tidyr的分與合

    ### 原始數(shù)據(jù)
test <- data.frame(x = c( "a,b", "a,d", "b,c"));test
### 分割
test_seprate <- separate(test,x, c("X", "Y"),sep = ",");test_seprate
### 合并
test_re <- unite(test_seprate,"x",X,Y,sep = ",")

  • 處理NA

    ### 原始數(shù)據(jù)
X<-data.frame(X1 = LETTERS[1:5],X2 = 1:5)
X[2,2] <- NA
X[4,1] <- NA

### 1.去掉含有NA的行,可以選擇只根據(jù)某一列來去除

drop_na(X)
drop_na(X,X1)
drop_na(X,X2)
### 2.替換NA

replace_na(X$X2,0)

### 3.用上一行的值填充NA
X
fill(X,X2)

2.dplyr

1.mutate(),新增列
test <- iris[c(1:2,51:52,101:102),]
rownames(test) =NULL
mutate(test, new = Sepal.Length * Sepal.Width)
2.select(),按列篩選
####(1)按列號篩選
select(test,1)
select(test,c(1,5))

####(2)按列名篩選
select(test,Sepal.Length)
select(test, Petal.Length, Petal.Width)
vars <- c("Petal.Length", "Petal.Width")
select(test, one_of(vars))
#####一組來自tidyselect的有用函數(shù)
select(test, starts_with("Petal"))
select(test, ends_with("Width"))
select(test, contains("etal"))
select(test, matches(".t."))
select(test, everything())
select(test, last_col())
select(test, last_col(offset = 1))

####(4)利用everything()，列名可以重排序

select(test,Species,everything())
3.filter()篩選行
filter(test, Species == "setosa")
filter(test, Species == "setosa"&Sepal.Length > 5 )
filter(test, Species %in% c("setosa","versicolor"))
4.arrange(),按某一列對整個表格進行排序
arrange(test, Sepal.Length)#默認從小到大排序
arrange(test, desc(Sepal.Length))#用desc從大到小
arrange(test,  desc(Sepal.Width),Sepal.Length)
5.summarise()：匯總
#對數(shù)據(jù)進行匯總操作,結合group_by使用實用性強

summarise(test, mean(Sepal.Length), sd(Sepal.Length))# 計算Sepal.Length的平均值和標準差：

# 先按照Species分組，計算每組Sepal.Length的平均值和標準差
group_by(test, Species)
tmp = summarise(group_by(test, Species),mean(Sepal.Length), sd(Sepal.Length))
6.兩個實用技能
  • 1：管道操作 %>% (cmd/ctr + shift + M)
library(dplyr)
x1 = filter(iris,Sepal.Width>3)
x2 = select(x1,c("Sepal.Length","Sepal.Width" ))
x3 = arrange(x2,Sepal.Length)

colnames(iris)
iris %>% 
  filter(Sepal.Width>3) %>% 
  select(c("Sepal.Length","Sepal.Width" ))%>%
  arrange(Sepal.Length)
  • 2：count統(tǒng)計某列的unique值
count(test,Species)

##處理關系數(shù)據(jù):即將2個表進行連接，注意：不要引入factor
options(stringsAsFactors = F)

test1 <- data.frame(name = c('jimmy','nicker','doodle'), 
                    blood_type = c("A","B","O"))
test1
test2 <- data.frame(name = c('doodle','jimmy','nicker','tony'),
                    group = c("group1","group1","group2","group2"),
                    vision = c(4.2,4.3,4.9,4.5))
test2 

test3 <- data.frame(NAME = c('doodle','jimmy','lucy','nicker'),
                    weight = c(140,145,110,138))
merge(test1,test2,by="name")
merge(test1,test3,by.x = "name",by.y = "NAME")

###1.內(nèi)連inner_join,取交集
inner_join(test1, test2, by = "name")
inner_join(test1,test3,by = c("name"="NAME"))

###2.左連left_join
left_join(test1, test2, by = 'name')

left_join(test2, test1, by = 'name')
###3.全連full_join
full_join(test1, test2, by = 'name')

###4.半連接：返回能夠與y表匹配的x表所有記錄semi_join
semi_join(x = test1, y = test2, by = 'name')

###5.反連接：返回無法與y表匹配的x表的所記錄anti_join
anti_join(x = test2, y = test1, by = 'name')

3.stringr

1.檢測字符串長度
library(stringr)

x <- "The birch canoe slid on the smooth planks."

x
length(x)
str_length(x)
2.字符串拆分與組合
str_split(x," ")
x2 = str_split(x," ")[[1]]
str_c(x2,collapse = " ")
str_c(x2,1234,sep = "+")
3.提取字符串的一部分
str_sub(x,5,9)
4.大小寫轉(zhuǎn)換
str_to_upper(x2)
str_to_lower(x2)
str_to_title(x2)
5.字符串排序
str_sort(x2)
6.字符檢測
str_detect(x2,"h")
str_starts(x2,"T")
str_ends(x2,"e")

###與sum和mean連用，可以統(tǒng)計匹配的個數(shù)和比例
sum(str_detect(x2,"h"))
mean(str_detect(x2,"h"))
7.提取匹配到的字符串
str_subset(x2,"h")
8.字符計數(shù)
str_count(x," ")
str_count(x2,"o")
9.字符串替換
str_replace(x2,"o","A")
str_replace_all(x2,"o","A")

8.條件語句和循環(huán)語句

一.條件語句

###1.if(){ }

#### (1)只有if沒有else，那么條件是FALSE時就什么都不做


i = -1
if (i<0) print('up')
if (i>0) print('up')

#理解下面代碼
if(!require(tidyr)) install.packages('tidyr')

#### (2)有else
i =1
if (i>0){
  cat('+')
} else {
  print("-")
}

ifelse(i>0,"+","-")

x=rnorm(10)
y=ifelse(x>0,"+","-")
y

#### (3)多個條件
i = 0
if (i>0){
  print('+')
} else if (i==0) {
  print('0')
} else if (i< 0){
  print('-')
}

ifelse(i>0,"+",ifelse((i<0),"-","0"))

### 2.switch()
cd = 3
foo <- switch(EXPR = cd, 
              #EXPR = "aa", 
              aa=c(3.4,1),
              bb=matrix(1:4,2,2),
              cc=matrix(c(T,T,F,T,F,F),3,2),
              dd="string here",
              ee=matrix(c("red","green","blue","yellow")))
foo
  • ifelse函數(shù)
    • 三個參數(shù)
    • ifelse(x,yes,no)
    • x:邏輯值
    • yes：邏輯值為TRUE時的返回值
    • no:邏輯值為FALSE時的返回值

二、循環(huán)語句

### 1.for循環(huán)
#**順便看一下next和break**
x <- c(5,6,0,3)
s=0
for (i in x){
  s=s+i
  #if(i == 0) next
  #if (i == 0) break
  print(c(which(x==i),i,1/i,s))
}

x <- c(5,6,0,3)
s = 0
for (i in 1:length(x)){
  s=s+x[[i]]
  #if(i == 3) next
  #if (i == 3) break
  print(c(i,x[[i]],1/i,s))
}
#如何將結果存下來?
s = 0
result = list()
for(i in 1:length(x)){
  s=s+x[[i]]
  result[[i]] = c(i,x[[i]],1/i,s)
}
do.call(cbind,result)

### 2.while 循環(huán)
i = 0

while (i < 5){
  print(c(i,i^2))
  i = i+1
}

### 3.repeat 語句

#注意：必須有break
i=0L
s=0L
repeat{
 i = i + 1
 s = s + i
 print(c(i,s))
 if(i==50) break
}

三、長腳本管理方式

  • 1.分成多個腳本，每個腳本最后保存Rdata，下一個腳本開頭清空再加載。
image-20201126170014008.png
  • if(F){…} ，則{ }里的腳本被跳過 if(T){…} ，則{ }里的腳本被運行 凡是帶有{ }的代碼，均可以被折疊
image-20201126170110219.png

四、apply函數(shù)

apply(X, MARGIN, FUN, …) 

apply(test, 2, mean)
apply(test, 1, sum)

#其中X是數(shù)據(jù)框/矩陣名；MARGIN為1表示取行，為2表示取列，F(xiàn)UN是函數(shù)
#對X的每一行/列進行FUN這個函數(shù)

五、R語言遍歷、創(chuàng)建、刪除文件夾

dir()
file.create() file.exists(...)
file.remove(...)
file.rename(from, to)
file.append(file1, file2)
file.copy(from, to, overwrite = recursive, recursive = FALSE,
copy.mode = TRUE, copy.date = FALSE)
file.symlink(from, to)
file.link(from, to)
dir.create("doudou")
unlink("doudou",recursive = T)
?著作權歸作者所有,轉(zhuǎn)載或內(nèi)容合作請聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成，瀏覽時請結合常識與多方信息審慎甄別。
平臺聲明：文章內(nèi)容（如有圖片或視頻亦包括在內(nèi)）由作者上傳并發(fā)布，文章內(nèi)容僅代表作者本人觀點，簡書系信息發(fā)布平臺，僅提供信息存儲服務。

相關閱讀更多精彩內(nèi)容

友情鏈接更多精彩內(nèi)容