ggtern ，用于創(chuàng)建三元圖的ggplot2的擴(kuò)展包，詳細(xì)參數(shù)和用法見 官方說明文檔 。
三元圖是可以繪制三種不同元素或化合物的混合成分的特征圖，由于第3維是線性的并且僅依賴于另外兩維，因此可以在2D空間中表示具有三個自由度的坐標(biāo)系。
主要記錄幾個重要的geom
Installation和準(zhǔn)備
# install.packages('ggtern')
# require("ggtern")
df = data.frame(x = runif(50),
y = runif(50),
z = runif(50),
f = seq(1:50),
Value = runif(50,1,10),
Group = as.factor(round(runif(50,1,2))))
labs <- labs(x = "X", y = "Y", z = "Z", title = "Title")
普通三元圖
P_Tern <- ggtern(data = df,aes(x, y, z)) +
geom_point(aes(color = Group)) +
labs()
微生物多樣性分析中：
此處，不同的點代表不同的分類水平（可以通過點的顏色來體現(xiàn)），點的大小代表了該分類水平在不同分組當(dāng)中平均豐度。三元相圖只能對三個分組或者三個樣品當(dāng)中物種的相對豐度進(jìn)行展示，點的位置代表了該屬在不同分組當(dāng)中的相對豐度大小。
簡單來說：如果大多數(shù)的點集中在三角形的中間，說明物種在三個分組當(dāng)中分布較均勻。如果靠近某個頂點那么這個物種在該頂點中的相對豐度較大。
置信區(qū)間 - 誤差線
沒有找到ggtern是怎么做置信區(qū)間的，但有個 統(tǒng)計學(xué)課程講到三元圖置信區(qū)間制作，原理應(yīng)該差不多。|??ω?` )
- calculate the arithmetic mean of the data;
- calculate the standard deviation (σ) for each of the three individual components (Qt = quartz, Rnc = Rock fragments/”rest” [my shorthand], Rc = Rock fragments/carbonate) ;
- plot the pair of parallel lines defining the appropriate variance window (e.g., ±2σ = 95%) for each component; and
- truncate each line where it intersects those for the other two components at the same confidence level.
P_Inter <- ggtern(data = df,aes(x, y, z )) +
geom_point(aes(color = Group)) +
geom_confidence_tern(aes(fill = Group))+
labs()
2D kernel density
使用kde2d進(jìn)行計算的2D核密度估計圖對處理重疊圖很有用，根據(jù)需求附加的質(zhì)感可以實現(xiàn)更好的權(quán)重比例呈現(xiàn)。
ggtern(data=df,aes(x, y, z)) +
geom_point(aes(color = Group)) +
stat_density_tern(
geom = 'polygon',
aes(fill = ..level..),
bins = 5,
color = 'grey',
alpha = 0.5)+
labs ()
向三元圖中再插值(interpolating)
在ggtern(data=df,aes(x, y, z, value = f) )+ geom_point()中，value不像分組變量，它不是一個基礎(chǔ)美學(xué)變量，所以value的值并沒有在圖像中表現(xiàn)出來。
ggtern(data=df,aes(x,y,z, value=f)) +
stat_interpolate_tern(geom="polygon",
formula=value~x+y,
method=lm,n=100,
#指定連續(xù)變量分級
breaks=seq(0,50,by=2.5),
aes(fill=..level..),expand=1)+
geom_point()+labs()
（根本搞不懂是個啥?。。?/p>
添加只線類似abline
geom_Tline()
geom_Lline()
geom_Rline()
添加等比例線
為每個三元軸創(chuàng)建等比例線。
geom_Tisoprop()
geom_Lisoprop()
geom_Risoprop()
error bar
難點可能不在error bar 的代碼上，數(shù)據(jù)處理是個問題。
geom_errorbarT()
geom_errorbarL()
geom_errorbarR()
geom_smooth
geom_point_swap
用于復(fù)雜的(如：多重顏色需求)fill或者color的處理。
geom_label_viewport + geom_text_viewport
散點或圖片位點標(biāo)簽。
geom_mean_ellipse
geom_hex_tern- geom_tri_tern
類似三元熱圖，將平面分成規(guī)則的六(3)邊形，計算每個六(3)邊形的點數(shù)，然后（默認(rèn)情況下）將散點數(shù)映射到顏色深度。
ggtern(data = df,aes(x, y, z)) +
geom_hex_tern(aes(fill =Group),
binwidth=0.1, alpha = 0.5)+
geom_point(aes(color = Group)) +
labs()
geom_polygon_closed
花里胡哨！！
擴(kuò)增子（OTU）數(shù)據(jù)三元圖
- OTU豐度表：每一行代表一個OTU，每一列代表一個樣本。
- 分組信息，需要和樣本信息一一匹配。
set.seed(13)
otu <- matrix(sample(c(0:1000), 1200, replace = TRUE),
ncol = 12, nrow = 100,
dimnames =
list(row_names = paste0("OTU",seq(1:100)),
col_names = paste0("sample",seq(1:12))))
otu <- as.data.frame(otu)
# 提取OTU信息或者分類水平名字
otu$OTU <- rownames(otu)
otu <- pivot_longer(data = otu,
cols = -OTU,
names_to = "variable",
values_to = "value")
# 創(chuàng)建分組信息數(shù)據(jù)集
group <- data.frame(variable = paste0("sample",seq(1:12)),
group = rep(c("Control", "Treat", "normal"),
each = 4))
# 按同類項進(jìn)行合并
otu <- merge(otu, group, by = "variable")
head(otu)
otu <- subset(otu, select = -variable)
head(otu)
# 創(chuàng)建三元圖作圖數(shù)據(jù)集
otu %>%
group_by(group, OTU) %>%
mutate(index = row_number()) %>%
pivot_wider(names_from = group,
values_from = value) %>%
select(-index) -> otu_tern
# 取3 個樣本的平均值定義點的大小，來看OTU富集位置和豐度情況
otu_tern$size <- (apply(otu_tern[2:4], 1, mean))
library(ggtern)
ggtern(data = otu_tern,
aes(x = Control, y = Treat, z = normal)) +
geom_mask() + # 可將超出邊界的點正常顯示出來
geom_point(aes(color = OTU, size = size),
alpha = 0.8, show.legend = TRUE) +
scale_size(range = c(0, 6)) +
# 去掉顏色legend
guides(colour = "none") +
theme_bw() +
theme(axis.text = element_blank(),
axis.ticks = element_blank())
