一条命令轻松绘制CNS顶级配图-ggpubr

Hadley Wickham创建的可视化包ggplot2可以流畅地进行优美的可视化，但是如果要通过ggplot2定制一套图形，尤其是适用于杂志期刊等出版物的图形，对于那些没有深入了解ggplot2的人来说就有点困难了，ggplot2的部分语法是很晦涩的。为此Alboukadel Kassambara创建了基于ggplot2的可视化包ggpubr用于绘制符合出版物要求的图形。

安装及加载ggpubr包

# 直接从CRAN安装install.packages('ggpubr', repo='http://cran.us.')# 从GitHub上安装最新版本install.packages('devtools', repo='http://cran.us.')library(devtools)install_github('kassambara/ggpubr')# 安装完之后直接加载就行：library(ggpubr)

ggpubr可绘制图形

ggpubr可绘制大部分我们常用的图形，下面逐个介绍。

分布图(Distribution)

带有均值线和地毯线的密度图

#构建数据集set.seed(123)df <- data.frame(="" sex="factor(rep(c('f'," 'm'),="" each="200)),"  =""  =""  =""  =""  =""  =""  =""  =""  weight="c(rnorm(200," 55),="" rnorm(200,="" 58)))#="" 预览数据格式head(df)="" #="" 绘制密度图ggdensity(df,="" x='weight' ,="" add='mean' ,="" rug="TRUE," color='sex' ,="" fill='sex' ,=""  =""  =""  =""  =""  palette="c('#00AFBB',">

图1. 密度图展示不同性别分组下体重的分布，X轴为体重，Y轴为自动累计的密度，X轴上添加地毯线进一步呈现样本的分布；按性别分别组标记轮廓线颜色，再按性别填充色展示各组的分布，使用palette自定义颜色，是不是很舒服。

带有均值线和边际地毯线的直方图

gghistogram(df, x='weight', add = 'mean', rug = TRUE, color = 'sex', fill = 'sex',            palette = c('#00AFBB', '#E7B800'))

图2. 带有均值线和边际地毯线的直方图，只是把密度比例还原为了原始数据counts值

箱线/小提琴图(barplot/violinplot)

箱线图+分组形状+统计

#加载数据集ToothGrowthdata('ToothGrowth')df1 <- toothgrowthhead(df1)p=""><- ggboxplot(df1,="" x='dose' ,="" y='len' ,="" color='dose' ,=""  =""  =""  =""  =""  =""  =""  ="" palette="c('#00AFBB'," '#e7b800',="" '#fc4e07'),=""  =""  =""  =""  =""  =""  =""  ="" add='jitter' ,="" shape='dose'>

图3. 箱线图按组着色，同时样本点标记不同形状可以一步区分组或批次

箱线图+分组形状+统计

# 增加不同组间的p-value值，可以自定义需要标注的组间比较my_comparisons <- list(c('0.5',="" '1'),="" c('1',="" '2'),="" c('0.5',="" '2'))p+stat_compare_means(comparisons="my_comparisons)+" #不同组间的比较=""  stat_compare_means(label.y="">

图4. stat_compare_means添加组间比较连线和统计P值

内有箱线图的小提琴图+星标记

ggviolin(df1, x='dose', y='len', fill = 'dose',         palette = c('#00AFBB', '#E7B800', '#FC4E07'),         add = 'boxplot', add.params = list(fill='white'))+  stat_compare_means(comparisons = my_comparisons, label = 'p.signif')+#label这里表示选择显著性标记（星号）  stat_compare_means(label.y = 50)

图5. ggviolin绘制小提琴图， add = “boxplot”中间再添加箱线图，stat_compare_means中，设置lable=”p.signif”，即可添加星添加组间比较连线和统计P值按星分类。

条形/柱状图(barplot)

data('mtcars')df2 <- mtcarsdf2$cyl=""><- factor(df2$cyl)df2$name=""><- rownames(df2)="" #添加一行namehead(df2[,="" c('name',="" 'wt',="" 'mpg',="" 'cyl')])ggbarplot(df2,="" x='name' ,="" y='mpg' ,="" fill='cyl' ,="" color='white' ,=""  =""  =""  =""  =""  palette='npg' ,="" #杂志nature的配色=""  =""  =""  =""  =""  sort.val='desc' ,="" #下降排序=""  =""  =""  =""  =""  sort.by.groups="FALSE," #不按组排序=""  =""  =""  =""  =""  x.text.angle="">

图6. 柱状图展示不同车的速度，按cyl为分组信息进行填充颜色，颜色按nature配色方法(支持 ggsci包中的本色方案，如: “npg”, “aaas”, “lancet”, “jco”, “ucscgb”, “uchicago”, “simpsons” and “rickandmorty”)，按数值降序排列。

# 按组进行排序ggbarplot(df2, x='name', y='mpg', fill = 'cyl', color = 'white',          palette = 'aaas', #杂志Science的配色          sort.val = 'asc', #上升排序,区别于desc，具体看图演示          sort.by.groups=TRUE,x.text.angle=60) #按组排序 x.text.angle=90

图7. 由上图中颜色改为Sciences配色方案(为什么感觉nature和sciences的配色方案没有文章里的看着舒服呢？)，按组升序排布，且调整x轴标签60度角防止重叠。

偏差图

偏差图展示了与参考值之间的偏差

df2$mpg_z <- (df2$mpg-mean(df2$mpg))/sd(df2$mpg)="" #="" 相当于zscore标准化，减均值，除标准差df2$mpg_grp=""><-><0, 'low',="" 'high'),="" levels="c('low'," 'high'))head(df2[,="" c('name',="" 'wt',="" 'mpg',="" 'mpg_grp',="" 'cyl')])ggbarplot(df2,="" x='name' ,="" y='mpg_z' ,="" fill='mpg_grp' ,="" color='white' ,=""  =""  =""  =""  =""  palette='jco' ,="" sort.val='asc' ,="" sort.by.groups="FALSE,"  =""  =""  =""  =""  x.text.angle="60," ylab='MPG z-score' ,="" xlab="FALSE," legend.title='MPG Group'>

图8. 基于Zscore的柱状图，就是原始值减均值，再除标准差。按jco杂志配色方案，升序排列，不按组排列。

坐标轴变换

ggbarplot(df2, x='name', y='mpg_z', fill = 'mpg_grp', color = 'white',          palette = 'jco', sort.val = 'desc', sort.by.groups = FALSE,          x.text.angle=90, ylab = 'MPG z-score', xlab = FALSE,          legend.title='MPG Group', rotate=TRUE, ggtheme = theme_minimal()) # rotate设置x/y轴对换

图9. rotate=TRUE翻转坐标轴，柱状图秒变条形图

棒棒糖图(Lollipop chart)

棒棒图可以代替条形图展示数据

ggdotchart(df2, x='name', y='mpg', color = 'cyl',           palette = c('#00AFBB', '#E7B800', '#FC4E07'),           sorting = 'ascending',           add = 'segments', ggtheme = theme_pubr())

图10. 柱状图太多了单调，改用棒棒糖图添加多样性

更多参数的设置

ggdotchart(df2, x='name', y='mpg', color = 'cyl',           palette = c('#00AFBB', '#E7B800', '#FC4E07'),           sorting = 'descending', add = 'segments', rotate = TRUE,           group = 'cyl', dot.size = 6,           label = round(df2$mpg), font.label = list(color='white',           size=9, vjust=0.5), ggtheme = theme_pubr())

图11. 棒棒糖图简单调整，rotate = TRUE转换坐标轴， dot.size = 6调整糖的大小，label = round()添加糖心中的数值，font.label进一步设置字体样式

棒棒糖偏差图

ggdotchart(df2, x='name', y='mpg_z', color = 'cyl',           palette = c('#00AFBB', '#E7B800', '#FC4E07'),           sorting = 'descending', add = 'segment',           add.params = list(color='lightgray', size=2),           group = 'cyl', dot.size = 6, label = round(df2$mpg_z, 1),           font.label = list(color='white', size=9, vjust=0.5),           ggtheme = theme_pubr())+ geom_line(yintercept=0, linetype=2, color='lightgray')

图12. 同柱状图类似，用Z-score的值代替原始值绘图。

Cleveland点图

ggdotchart(df2, x='name', y='mpg', color = 'cyl',           palette = c('#00AFBB', '#E7B800', '#FC4E07'),           sorting = 'descending',           rotate = TRUE, dot.size = 2, y.text.col=TRUE,           ggtheme = theme_pubr())+ theme_cleveland()

 

图13. theme_cleveland()主题可设置为Cleveland点图样式

我测试的工作环境

sessionInfo()

R version 3.4.1 (2017-06-30)Platform: x86_64-pc-linux-gnu (64-bit)Running under: Ubuntu 16.04.3 LTSMatrix products: defaultBLAS: /usr/lib/openblas-base/libblas.so.3LAPACK: /usr/lib/libopenblasp-r0.2.18.solocale: [1] LC_CTYPE=en_US.UTF-8       LC_NUMERIC=C               LC_TIME=en_US.UTF-8        LC_COLLATE=en_US.UTF-8     [5] LC_MONETARY=en_US.UTF-8    LC_MESSAGES=en_US.UTF-8    LC_PAPER=en_US.UTF-8       LC_NAME=C                 [9] LC_ADDRESS=C               LC_TELEPHONE=C             LC_MEASUREMENT=en_US.UTF-8 LC_IDENTIFICATION=C       attached base packages:[1] stats     graphics  grDevices utils     datasets  methods   base     other attached packages:[1] bindrcpp_0.2     ggpubr_0.1.6.999 magrittr_1.5     ggplot2_2.2.1    devtools_1.13.4 loaded via a namespace (and not attached): [1] Rcpp_0.12.14     bindr_0.1        munsell_0.4.3    colorspace_1.3-2 R6_2.2.2         rlang_0.1.4      httr_1.3.1       [8] plyr_1.8.4       dplyr_0.7.4      tools_3.4.1      grid_3.4.1       gtable_0.2.0     git2r_0.19.0     withr_2.1.0     [15] lazyeval_0.2.1   digest_0.6.12    assertthat_0.2.0 tibble_1.3.4     ggsignif_0.4.0   ggsci_2.8        purrr_0.2.4     [22] curl_3.0         memoise_1.1.0    glue_1.2.0       labeling_0.3     compiler_3.4.1   scales_0.5.0     pkgconfig_2.0.1