Part 1 ：散點圖+變量邊緣分布圖形

原文點我，感謝支持

許多文章的散點圖中，在散點圖的周圍還會有額外的單變量邊緣分布統(tǒng)計圖形（如下圖）。前面幾期我們介紹過，散點圖主要反映的是兩個變量之間的關(guān)系，而額外的邊緣分布圖則能直觀反映每個變量的分布情況。本期就來介紹實現(xiàn)這類圖形的常見方法。

示例：

image

Abundance of antibiotic resistance genes, intI1 gene and crAssphage in human fecal metagenomes.
[1]示例圖中散點圖的做法參見一起學畫圖：散點圖（1）— 基礎(chǔ)散點圖 — R-ggplot2復現(xiàn)Nature文章散點圖

Part 2 ：圖像與代碼

方法一：ggExtra::ggMarginal() ：在ggplot2散點圖基礎(chǔ)上快速添加

ggExtra包可以通過常規(guī)的install.packages("ggExtra")語句安裝，相關(guān)參數(shù)見下：

ggMarginal (p, data, x, y, 
  type = c("density", "histogram", "boxplot", "violin", "densigram"), 
  margins = c("both", "x", "y"), size = 5, 
  ..., xparams = list(), yparams = list(), 
  groupColour = FALSE, 
  groupFill = FALSE)

基礎(chǔ)使用示例

#導入包
library(ggplot2)
library(ggExtra)

#常規(guī)使用ggplot2作圖
p <- ggplot(`iris`, aes_string('Sepal.Length', 'Sepal.Width')) +
  aes_string(colour = 'Species') +
  geom_point() + 
  theme_bw()+
  theme(legend.position = "bottom")
  
 #使用ggMarginal添加邊緣分布圖形，ggplot2繪制的圖p作為變量傳入（如果沒有使用ggplot2繪制圖形，則此處也可以自行傳入數(shù)據(jù)繪制）
p1 <- ggMarginal(p+ggtitle("type='histogram'"), type="histogram")
p1

image

參數(shù)表中提出到的5種不同的統(tǒng)計圖形示例如下：

image

在此基礎(chǔ)上，我們可以通過調(diào)整相關(guān)參數(shù)優(yōu)化圖形。幸運的是，該包的作者團隊同時也開發(fā)了支持實時制作并可導出R代碼的網(wǎng)頁版工具：https://daattali.com/shiny/ggExtra-ggMarginal-demo/

image

這樣一來我們可以預先在網(wǎng)頁上調(diào)整好所需要的樣式，然后利用生成的R代碼在本地生成所需格式和尺寸的圖像

使用上圖網(wǎng)頁工具自動生成的代碼在本地運行得到的結(jié)果如下：

image

方法二：ggPubr::ggscatterhist( )

ggPubr是一個基于ggplot2開發(fā)的面向出版級繪圖的R包，ggscatterhist（）中的參數(shù) margin.* 可以為散點圖進一步配置邊緣分布統(tǒng)計圖形，其語法與ggplot2類似，目前支持：密度圖density，直方圖histogram，箱型圖boxplot三種邊緣分布圖形相關(guān)參數(shù)及作用見官方文檔：http://rpkgs.datanovia.com/ggpubr/reference/ggscatterhist.html

# 函數(shù)聲明
ggscatterhist(data, x, y, group = NULL, color = "black", fill = NA, 
  palette = NULL, shape = 19, size = 2, linetype = "solid", 
  bins = 30, margin.plot = c("density", "histogram", "boxplot"), 
  margin.params = list(), margin.ggtheme = theme_void(), margin.space = FALSE, 
  main.plot.size = 2, margin.plot.size = 1, title = NULL, 
  xlab = NULL, ylab = NULL, legend = "top", ggtheme = theme_pubr(), 
  print = TRUE, ...)

基礎(chǔ)示例：

image

#導入包
library(ggpubr)
#作圖
gp1<-ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6)
gp1

在此基礎(chǔ)上，可以對參數(shù)進行調(diào)整來繪制更為符合需求的圖片

image

#導入包
library(ggpubr)
#作圖
gpDensity <- ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6,
  palette = c("#00AFBB", "#E7B800", "#FC4E07"),
  margin.params = list(fill = "Species", color = "black", size = 0.3)
)
gp1p
# 此圖并沒有指定margin.plot = "density",只是在上圖gp1的基礎(chǔ)行進行了填充
# 實際上,如果指定margin.plot = "density" 得到的圖形是一樣的

image

#導入包
library(ggpubr)
#作圖
gp4 <- ggscatterhist(
  iris, x = "Sepal.Length", y = "Sepal.Width",
  color = "Species", size = 3, alpha = 0.6,
  palette = c("#00AFBB", "#E7B800", "#FC4E07"),
  margin.plot = "histogram", #指定類型為histogram
  margin.params = list(fill = "Species", color = "black", size = 0.3))
gp4

方法三：分別作圖最后利用grid.arrange()進行拼接

文中Part 1的示例圖像應該就是用此方法組合而成的，此方法不作更多介紹，感興趣的朋友可以參考使用grid.arrange()排列圖形的方法：https://cran.rproject.org/web/packages/egg/vignettes/Ecosystem.html

Part 3 ：地毯圖

以上我們介紹了在散點圖周圍添加單變量邊緣分布統(tǒng)計圖的方法，邊緣分布圖的目的是直觀反映單變量的分布情況，而地毯圖也可以達到類似的目的 相關(guān)參數(shù)及作用以及更高級的用法可參考官方文檔：https://ggplot2.tidyverse.org/reference/geom_rug.html

geom_rug(
  mapping = NULL,
  data = NULL,
  stat = "identity",
  position = "identity",
  ...,
  outside = FALSE,
  sides = "bl",
  length = unit(0.03, "npc"),
  na.rm = FALSE,
  show.legend = NA,
  inherit.aes = TRUE
)

示例圖像：

image

#導入包
library(ggplot2)
#常規(guī)使用ggplot2作圖
prug <- ggplot(`iris`, aes_string('Sepal.Length', 'Sepal.Width')) +
  aes_string(colour = 'Species') +
  geom_point() + 
  theme_bw()+
  theme(legend.position = "bottom")+
  geom_rug(alpha = 0.5, position = "jitter")
prug

參考：

• [1] Karkman A, P?rn?nen K, Larsson DGJ. Fecal pollution can explain antibiotic resistance gene abundances in anthropogenically impacted environments. Nat Commun. 2019 Jan 8;10(1):80. doi: 10.1038/s41467-018-07992-3. PMID: 30622259; PMCID: PMC6325112.

• https://github.com/daattali/ggExtra

• https://daattali.com/shiny/ggExtra-ggMarginal-demo/

• http://rpkgs.datanovia.com/ggpubr/index.html

• http://rpkgs.datanovia.com/ggpubr/reference/ggscatterhist.html

• https://cran.rproject.org/web/packages/egg/vignettes/Ecosystem.html