Use ggplot2

晒一下专注于copy paste的生信人

ggplot2基本要素

• 数据和映射

• 几何对象

• 标尺

• 统计变换

• 坐标系统

• 图层

• 分面

• 主题

这里将从这些基本要素对ggplot2进行介绍。

数据和映射

下面以一份钻石的数据为例，这份数据非常大，随机取一个子集来画图。

require(ggplot2)data(diamonds)set.seed(42)small <- diamonds[sample(nrow(diamonds),="">1000), ]head(small)

##       carat       cut color clarity depth table price    x    y    z## 49345  0.71 Very Good     H     SI1  62.5    60  2096 5.68 5.75 3.57## 50545  0.79   Premium     H     SI1  61.8    59  2275 5.97 5.91 3.67## 15434  1.03     Ideal     F     SI1  62.4    57  6178 6.48 6.44 4.03## 44792  0.50     Ideal     E     VS2  62.2    54  1624 5.08 5.11 3.17## 34614  0.27     Ideal     E     VS1  61.6    56   470 4.14 4.17 2.56## 27998  0.30   Premium     E     VS2  61.7    58   658 4.32 4.34 2.67

画图实际上是把数据中的变量映射到图形属性上。以克拉数为X轴变量，价格为Y轴变量。

p <- ggplot(data="small," mapping="aes(x" =="" carat,="" y="">

上面这行代码把数据映射XY坐标轴上，需要告诉ggplot2，这些数据要映射成什么样的几何对象，下面以散点为例：

p + geom_point()

几何对象将在下面的小节介绍，这一节，关注的是数据和图形属性之间的映射。

如果想将切工（cut）映射到形状属性。只需要：

p <- ggplot(data="small," mapping="aes(x=carat," y="price," shape="">

再比如我想将钻石的颜色（color）映射颜色属性：

p <- ggplot(data="small," mapping="aes(x=carat," y="price," shape="cut," colour="">

几何对象（Geometric）

在上面的例子中，各种属性映射由ggplot函数执行，只需要加一个图层，使用geom_point()告诉ggplot要画散点，于是所有的属性都映射到散点上。

geom_point()完成的就是几何对象的映射，ggplot2提供了各种几何对象映射，如geom_histogram用于直方图，geom_bar用于画柱状图，geom_boxplot用于画箱式图等等。

不同的几何对象，要求的属性会有些不同，这些属性也可以在几何对象映射时提供，比如上一图，也可以用以下语法来画：

p <- ggplot(small)p+geom_point(aes(x="carat," y="price," shape="cut," colour="">

ggplot2支持图层，我通常把不同的图层中共用的映射提供给ggplot函数，而某一几何对象才需要的映射参数提供给geom_xxx函数。

这一小节我们来看一下各种常用的几何对象。

直方图 直方图最容易，提供一个x变量，画出数据的分布。

ggplot(small)+geom_histogram(aes(x=price))

同样可以根据另外的变量给它填充颜色，比如按不同的切工：

ggplot(small)+geom_histogram(aes(x=price, fill=cut))

也可以将其分开，side-by-side地画直方图。

ggplot(small)+geom_histogram(aes(x=price, fill=cut), position='dodge')

还可以使用position=”fill”，按照相对比例来画。

ggplot(small)+geom_histogram(aes(x=price, fill=cut), position='fill')

柱状图
柱状图非常适合于画分类变量。在这里以透明度（clarity）变量为例。按照不同透明度的钻石的数目画柱状图。

ggplot(small)+geom_bar(aes(x=clarity))

柱状图两个要素，一个是分类变量，一个是数目，也就是柱子的高度。数目在这里不用提供，因为ggplot2会通过x变量计算各个分类的数目。

当然你想提供也是可以的，通过stat参数，可以让geom_bar按指定高度画图，比如以下代码：

ggplot()+geom_bar(aes(x=c(LETTERS[1:3]),y=1:3), stat='identity')

柱状图和直方图是很像的，直方图把连续型的数据按照一个个等长的分区（bin）来切分，然后计数，画柱状图。而柱状图是分类数据，按类别计数。我们可以用前面直方图的参数来画side-by-side的柱状图，填充颜色或者按比例画图，它们是高度一致的。

柱状图是用来表示计数数据的，但在生物界却被经常拿来表示均值，加上误差来表示数据分布，这可以通常图层来实现，我将在图层一节中给出实例。

密度函数图
说到直方图，就不得不说密度函数图，数据和映射和直方图是一样的，唯一不同的是几何对象，geom_histogram告诉ggplot要画直方图，而geom_density则说我们要画密度函数图，在我们熟悉前面语法的情况下，很容易画出：

ggplot(small)+geom_density(aes(x=price, colour=cut))

ggplot(small)+geom_density(aes(x=price,fill=clarity))

colour参数指定的是曲线的颜色，而fill是往曲线下面填充颜色。

箱式图
数据量比较大的时候，用直方图和密度函数图是表示数据分布的好方法，而在数据量较少的时候，比如很多的生物实验，很多时候大家都是使用柱状图+errorbar的形式来表示，不过这种方法的信息量非常低，被Nature Methods吐槽，这种情况推荐使用boxplot。

ggplot(small)+geom_boxplot(aes(x=cut, y=price,fill=color))

geom_boxplot将数据映射到箱式图上，上面的代码，我们应该很熟悉了，按切工(cut)分类，对价格(price)变量画箱式图，再分开按照color变量填充颜色。

ggplot2提供了很多的geom_xxx函数，可以满足我们对各种图形绘制的需求。

geom_abline     geom_area   geom_bar        geom_bin2dgeom_blank      geom_boxplot    geom_contour    geom_crossbargeom_density    geom_density2d  geom_dotplot    geom_errorbargeom_errorbarh  geom_freqpoly   geom_hex        geom_histogramgeom_hline      geom_jitter     geom_line       geom_linerangegeom_map        geom_path   geom_point      geom_pointrangegeom_polygon    geom_quantile   geom_raster     geom_rectgeom_ribbon     geom_rug    geom_segment    geom_smoothgeom_step       geom_text   geom_tile       geom_violingeom_vline

标尺（Scale）

前面我们已经看到了，画图就是在做映射，不管是映射到不同的几何对象上，还是映射各种图形属性。这一小节介绍标尺，在对图形属性进行映射之后，使用标尺可以控制这些属性的显示方式，比如坐标刻度，可能通过标尺，将坐标进行对数变换；比如颜色属性，也可以通过标尺，进行改变。

ggplot(small)+geom_point(aes(x=carat, y=price, shape=cut, colour=color))+scale_y_log10()+scale_colour_manual(values=rainbow(7))

以数据（Data）和映射（Mapping)一节中所画散点图为例，将Y轴坐标进行log10变换，再自己定义颜色为彩虹色。

统计变换（Statistics）

统计变换对原始数据进行某种计算，然后在图上表示出来，例如对散点图上加一条回归线。

ggplot(small, aes(x=carat, y=price))+geom_point()+scale_y_log10()+stat_smooth()

这里就不按颜色、切工来分了，不然ggplot会按不同的分类变量分别做回归，图就很乱，如果我们需要这样做，我们可以使用分面，这个将在后面介绍。

这里，aes所提供的参数，就通过ggplot提供，而不是提供给geom_point，因为ggplot里的参数，相当于全局变量，geom_point()和stat_smooth()都知道x,y的映射，如果只提供给geom_point()，则相当于是局部变量，geom_point知道这种映射，而stat_smooth不知道，当然你再给stat_smooth也提供x,y的映射，不过共用的映射，还是提供给ggplot好。
ggplot2提供了多种统计变换方式：

stat_abline       stat_contour      stat_identity     stat_summarystat_bin          stat_density      stat_qq           stat_summary2dstat_bin2d        stat_density2d    stat_quantile     stat_summary_hexstat_bindot       stat_ecdf         stat_smooth       stat_uniquestat_binhex       stat_function     stat_spoke        stat_vlinestat_boxplot      stat_hline        stat_sum          stat_ydensity

统计变换是非常重要的功能，我们可以自己写函数，基于原始数据做某种计算，并在图上表现出来，也可以通过它改变geom_xxx函数画图的默认统计参数。
比如我在Proteomic investigation of the interactome of FMNL1 in hematopoietic cells unveils a role in calcium-dependent membrane plasticity的图一中，就把boxplot的中位线替换成了平均值来作图。

坐标系统（Coordinante）

坐标系统控制坐标轴，可以进行变换，例如XY轴翻转，笛卡尔坐标和极坐标转换，以满足我们的各种需求。

坐标轴翻转由coord_flip()实现

ggplot(small)+geom_bar(aes(x=cut, fill=cut))+coord_flip()

而转换成极坐标可以由coord_polar()实现：

ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar(theta='y')

这也是为什么之前介绍常用图形画法时没有提及饼图的原因，饼图实际上就是柱状图，只不过是使用极坐标而已，柱状图的高度，对应于饼图的弧度，饼图并不推荐，因为人类的眼睛比较弧度的能力比不上比较高度（柱状图）

还可以画靶心图：

ggplot(small)+geom_bar(aes(x=factor(1), fill=cut))+coord_polar()

以及风玫瑰图(windrose)

ggplot(small)+geom_bar(aes(x=clarity, fill=cut))+coord_polar()

图层（Layer）

photoshop流行的原因在于PS
3.0时引入图层的概念，ggplot的牛B之处在于使用+号来叠加图层，这堪称是泛型编程的典范。
在前面散点图上，我们已经见识过，加上了一个回归线拟合的图层。

有了图层的概念，使用ggplot画起图来，就更加得心应手。

做为图层的一个很好的例子是蝙蝠侠logo，batman
logo由6个函数组成，在下面的例子中，我先画第一个函数，之后再加一个图层画第二个函数，不断重复这一过程，直到六个函数全部画好。

require(ggplot2)f1 <->function(x) {    y1 <->3*sqrt(1-(x/7)^2)    y2 <->3*sqrt(1-(x/7)^2)    y <- c(y1,y2)=""  =""  d=""><- data.frame(x="x,y=y)"  =""  d=""><- d[d$y=""> -3*sqrt(33)/7,]    return(d)}x1 <->3, 7, 0.001), seq(-7, -3, 0.001))d1 <- f1(x1)p1=""><- ggplot(d1,aes(x,y))="" +="" geom_point(color="">'red') +xlab('') + ylab('') + theme_bw()x2 <->4,4, 0.001)y2 <->2)-(3*sqrt(33)-7)*x2^2/112-3 + sqrt(1-(abs(abs(x2)-2)-1)^2)d2 <- data.frame(x2="x2," y2="y2)p2"><- p1="" +="" geom_point(data="d2," aes(x="x2,y=y2)," color="">'yellow')x3 <->0.75,1,0.001), seq(-1,-0.75,0.001))y3 <->9-8*abs(x3)d3 <- data.frame(x3="x3," y3="y3)p3"><- p2+geom_point(data="d3," aes(x="x3,y=y3)," color="">'green')x4 <->0.5,0.75,0.001), seq(-0.75,-0.5,0.001))y4 <->3*abs(x4)+0.75d4 <- data.frame(x4="x4,y4=y4)p4"><- p3+geom_point(data="d4," aes(x="x4,y=y4)," color="">'steelblue')x5 <->0.5,0.5,0.001)y5 <->2.25,length(x5))d5 <- data.frame(x5="x5,y5=y5)p5"><- p4+geom_point(data="d5," aes(x="x5,y=y5))x6"><->3,-1,0.001), seq(1,3,0.001))y6 <->6 * sqrt(10)/7 +    (1.5 - 0.5 * abs(x6)) * sqrt(abs(abs(x6)-1)/(abs(x6)-1)) -    6 * sqrt(10) * sqrt(4-(abs(x6)-1)^2)/14d6 <- data.frame(x6="x6,y6=y6)p6"><- p5+geom_point(data="d6,aes(x=x6,y=y6)," colour="">'blue')multiplot <->function (..., plotlist = NULL, cols = 1, layout = NULL) {    plots <->...), plotlist)    numPlots = length(plots)    if (is.null(layout)) {        layout <->1, cols * ceiling(numPlots/cols)),            ncol = cols, nrow = ceiling(numPlots/cols))    }    if (numPlots == 1) {        print(plots[[1]])    }    else {        grid.newpage()        pushViewport(viewport(layout = grid.layout(nrow(layout),            ncol(layout))))        for (i in 1:numPlots) {            matchidx <- as.data.frame(which(layout="=" i,="" arr.ind="">TRUE))            print(plots[[i]], vp = viewport(layout.pos.row = matchidx$row,                layout.pos.col = matchidx$col))        }    }}multiplot(p1,p2,p3,p4,p5,p6, cols=2)

分面（Facet）

在《ggplot2: 数据分析与图形艺术》一书的翻译中，一开始译者把facet翻译成切片，我在校稿的时候发现了，给他们写信，推荐翻译成分面，如果是slice这个词，翻译成切片倒是很精准，BSD的硬盘分区就叫slice，但facet从词源上看就是小脸的意思，翻译成分面才到位。给他们写信的时候，我还专门查了CNKI翻译助手，发现这词在信息学中，翻成分面早已是固定的。我感觉这是我对这本书翻译的最大贡献，校稿过程中发现的少量小问题远比不上这个关键词意思的把握上。

分面可以让我们按照某种给定的条件，对数据进行分组，然后分别画图。
在统计变换一节中，提到如果按切工分组作回归线，显然图会很乱，有了分面功能，我们可以分别作图。

ggplot(small, aes(x=carat, y=price))+geom_point(aes(colour=cut))+scale_y_log10() +facet_wrap(~cut)+stat_smooth()

主题（Theme）

通过ggplot画图之后，我们可能还需要对图进行定制，像title, xlab,
ylab这些高频需要用到的，自不用说，ggplot2提供了ggtitle(),
xlab()和ylab()来实现。 比如：

p <- ggplot(small)+geom_boxplot(aes(x="cut," y="price,fill=color))p" +="">'Price vs Cut')+xlab('Cut')+ylab('Price')

但是这个远远满足不了需求，我们需要改变字体，字体大小，坐标轴，背景等各种元素，这需要通过theme()函数来完成。

ggplot2提供一些已经写好的主题，比如theme_grey()为默认主题，我经常用的theme_bw()为白色背景的主题，还有theme_classic()主题，和R的基础画图函数较像。

别外ggthemes包提供了一些主题可供使用，包括：

theme_economist theme_economist_whitetheme_wsj       theme_exceltheme_few       theme_foundationtheme_igray     theme_solarizedtheme_stata     theme_tufte

require(ggthemes)p + theme_wsj()

在2013年发表的文章Putative cobalt- and nickel-binding proteins and motifs in Streptococcus pneumoniae中的图3就是使用theme_stata来画的。

至于如何改变这些元素，我觉得我之前画囧字的博文可以做为例子：

f <- function(x)="" 1/(x^2-1)x=""><- seq(-3,3,="" by="0.001)y"><- f(x)d=""><- data.frame(x="x,y=y)p"><- ggplot()p=""><- p+geom_rect(fill='white' ,color='black' ,size="3,aes(NULL," null,xmin="-3," xmax="3,ymin=-3,ymax=3," alpha="0.1))p"><- p="" +="" geom_line(data="d," aes(x,y),="" size="3)+ylim(-3,3)theme_null"><- function()="" {=""  =""  theme_bw()="" %+replace%=""  =""  theme(axis.text.x="element_blank(),"  =""  axis.text.y="element_blank(),"  =""  legend.position='none' ,=""  =""  panel.grid.minor="element_blank(),"  =""  panel.grid.major="element_blank(),"  =""  panel.background="element_blank(),"  =""  axis.ticks="element_blank(),"  =""  panel.border="">

详细的说明，可以参考?theme的帮助文档。

二维密度图

在这个文档里，为了作图方便，我们使用diamonds数据集的一个子集，如果使用全集，数据量太大，画出来散点就糊了，这种情况可以使用二维密度力来呈现。

ggplot(diamonds, aes(carat, price))+ stat_density2d(aes(fill = ..level..), geom='polygon')+ scale_fill_continuous(high='darkred',low='darkgreen')

ggplot2实例

蝴蝶图:

theta <->0,24*pi, len=2000)radius <- exp(cos(theta))="" -="">2*cos(4*theta) + sin(theta/12)^5dd <- data.frame(x="radius*sin(theta)," y="radius*cos(theta))ggplot(dd," aes(x,="">'')+ylab('')

这个图，我想展示的是对细节的修改上，在画囧字的时候，把画布上的元素都给清除了，我把它定义为theme_null主题，在这里，直接应用，我们可以形成自己的画图风格，并写出自己的主题函数固定下来。

最后以生物界中常用的柱状图+误差图为实例，展示ggplot2非常灵活的图层。以我2011年发表的文章Phosphoproteome profile of human lung cancer cell line A549中的westernblot数据为例。这个实例展示了图层，标尺，主题，注释和各种细节微调多种元素。

Normal <- c(0.83,="" 0.79,="" 0.99,="" 0.69)cancer=""><- c(0.56,="" 0.56,="" 0.64,="" 0.52)m=""><- c(mean(normal),="" mean(cancer))s=""><- c(sd(normal),="" sd(cancer))d=""><- data.frame(v="c('Normal'," 'cancer'),="" mean="m," sd="s)d$V"><- factor(d$v,="" levels="c('Normal'," 'cancer'))p=""><- ggplot(d,="" aes(v,="" mean,="" fill="V," width=".5))p"><- p+geom_errorbar(aes(ymin="mean," ymax="mean+sd," width=".2),"  =""  =""  =""  =""  =""  =""  =""  =""  =""  ="" position="position_dodge(width=.8))p"><- p="" +="" geom_bar(stat='identity' ,="" position="position_dodge(width=.8)," colour='black' )p=""><- p="" +="" scale_fill_manual(values="c('grey80'," 'white'))p=""><- p="" +="" theme_bw()="" +theme(legend.position='none' )="" +="" xlab('')="" +="" ylab('')p=""><- p="" +="" theme(axis.text.x="element_text(face='bold'," size="12),"  =""  =""  =""  =""  =""  =""  ="" axis.text.y="element_text(face='bold'," size="12))p"><- p+scale_y_continuous(expand="c(0,0)," limits="c(0," 1.2),="" breaks="seq(0," 1.2,="" by=".2))p"><- p+geom_segment(aes(x="1," y=".98," xend="1," yend="1.1))p"><- p+geom_segment(aes(x="2," y=".65," xend="2," yend="1.1))p"><- p+geom_segment(aes(x="1," y="1.1," xend="2," yend="1.1))p"><- p="" +="" annotate('text',="" x="1.5," y="1.08," label='*'>