R語言數(shù)據(jù)可視化繪圖Slope chart坡度圖畫法

今天小仙給大家分享一下Slope chart(坡度圖)的畫法,我在paper中看到的圖是這樣的

這個(gè)圖的意思大概是Nasal Tissue比Brochial Tissue的ACE2表達(dá)量高(ACE2就是新冠病毒的受體啦) 。為了復(fù)刻這張圖,小仙捏造了一組差不多的數(shù)據(jù),竟然感覺比原圖好看!
廢話不多說,進(jìn)入正題。
Step1. 繪圖數(shù)據(jù)的準(zhǔn)備
首先要把你想要繪圖的數(shù)據(jù)調(diào)整成R語言可以識別的格式,建議大家在excel中保存成csv格式。
作圖數(shù)據(jù)格式如下:

Step2. 繪圖數(shù)據(jù)的讀取
data<-read.csv(“your file path”, header = T, check.names=F) #注釋:header=T表示數(shù)據(jù)中的第一行是列名,如果沒有列名就用header=F #注釋:R讀取數(shù)據(jù)的時(shí)候,默認(rèn)會把列名里的空格變成 ".",check.names=F就不會變了
Step3. 繪圖所需package的安裝、調(diào)用
library(ggplot2) library(reshape2) # 注釋:package使用之前需要調(diào)用
Step4. 繪圖
data_melt<-melt(data,id.vars = "Sample") # 注釋:將原始的寬數(shù)據(jù)變成長數(shù)據(jù),方便畫圖 p<-ggplot(data_melt,aes(x=variable,y=value,group=Sample))+ geom_line(color="gray", size=1)+ geom_point(aes(fill=Sample),shape=21, size=3)+ theme_bw()+labs(x="",y="Relative expression") p


直接畫出來的圖就是下面這樣子的,線段和圓圈都是鋸齒狀的,對圖片質(zhì)量要求比較高、想讓直線變平滑的朋友,可以參考我之前的分享《R語言作圖技巧——導(dǎo)出高清圖》。

如果把geom_point()語句跟geom_point()語句顛倒一下會發(fā)生什么呢?
p<-ggplot(data_melt,aes(x=variable,y=value,group=Sample))+ geom_point(aes(fill=Sample),shape=21, size=3)+ geom_line(color="gray", size=1)+ theme_bw()+labs(x="",y="Relative expression") p

語句顛倒,連線就會覆蓋點(diǎn)的一部分,如果你想讓哪個(gè)形狀放在最上層,就把相應(yīng)的畫圖語句放在后面就可以啦。
以上就是R語言數(shù)據(jù)可視化繪圖Slope chart坡度圖畫法的詳細(xì)內(nèi)容,更多關(guān)于R語言數(shù)據(jù)可視化繪圖坡度圖的資料請關(guān)注腳本之家其它相關(guān)文章!
相關(guān)文章
R語言 實(shí)現(xiàn)data.frame 分組計(jì)數(shù)、求和等
這篇文章主要介紹了R語言 實(shí)現(xiàn)data.frame 分組計(jì)數(shù)、求和等操作,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
R語言 實(shí)現(xiàn)將1對多數(shù)據(jù)與1對1數(shù)據(jù)互換
這篇文章主要介紹了R語言 實(shí)現(xiàn)將1對多數(shù)據(jù)與1對1數(shù)據(jù)互換的操作,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
R語言學(xué)習(xí)Rcpp基礎(chǔ)知識全面整理
這篇文章主要介紹了R語言學(xué)習(xí)Rcpp知識的全面整理,包括相關(guān)配置說明,常用數(shù)據(jù)類型及建立等基礎(chǔ)知識的全面詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助2021-11-11
R語言 解決安裝ggplot2報(bào)錯(cuò)的問題
這篇文章主要介紹了R語言 解決安裝ggplot2報(bào)錯(cuò)的問題,具有很好的參考價(jià)值,希望對大家有所幫助。一起跟隨小編過來看看吧2021-04-04
R語言實(shí)現(xiàn)PCA主成分分析圖的示例代碼
主成分分析(Principal?Component?Analysis,PCA)是一種無監(jiān)督的數(shù)據(jù)降維方法,通過主成分分析可以盡可能保留下具備區(qū)分性的低維數(shù)據(jù)特征。本文將用R語言實(shí)現(xiàn)PCA主成分分析圖,需要的可以參考一下2022-04-04

