绝对好用的ggpubr包做图介绍

ggpubr主要特点：

1.    帮助具有非高级R编程技能的研究人员轻松创建易于发布的图表。

2.      基于ggplot2为背景。

3.      可以自动将p值和显着性水平添加到箱形图，条形图，线图等。

4.      可以轻松地在同一页面上排列和注释多个图表。

5.      可以轻松更改颜色和标签等颜色参数。

Official online documentation: http://www./english/rpkgs/ggpubr.

library(ggpubr)# Create some data format# :::::::::::::::::::::::::::::::::::::::::::::::::::set.seed(1234)wdata = data.frame(   sex = factor(rep(c('F', 'M'), each=200)),   weight = c(rnorm(200, 55), rnorm(200, 58)))head(wdata, 4)

##   sex weight## 1   F   53.8## 2   F   55.3## 3   F   56.1## 4   F   52.7

# Density plot with mean lines and marginal rug# :::::::::::::::::::::::::::::::::::::::::::::::::::# Change outline and fill colors by groups ('sex')# Use custom paletteggdensity(wdata, x = 'weight',   add = 'mean', rug = TRUE,   color = 'sex', fill = 'sex',   palette = c('#00AFBB', '#E7B800'))

# Histogram plot with mean lines and marginal rug# :::::::::::::::::::::::::::::::::::::::::::::::::::# Change outline and fill colors by groups ('sex')# Use custom color palettegghistogram(wdata, x = 'weight',   add = 'mean', rug = TRUE,   color = 'sex', fill = 'sex',   palette = c('#00AFBB', '#E7B800'))

Box plots and violin plots

# Load datadata('ToothGrowth')df <>

##    len supp dose## 1  4.2   VC  0.5## 2 11.5   VC  0.5## 3  7.3   VC  0.5## 4  5.8   VC  0.5

# Box plots with jittered points# :::::::::::::::::::::::::::::::::::::::::::::::::::# Change outline colors by groups: dose# Use custom color palette# Add jitter points and change the shape by groups p <>

 # Add p-values comparing groups # Specify the comparisons you wantmy_comparisons <>

# Violin plots with box plots inside# :::::::::::::::::::::::::::::::::::::::::::::::::::# Change fill color by groups: dose# add boxplot with white fill colorggviolin(df, 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')+ # Add significance levels  stat_compare_means(label.y = 50)                                      # Add global the p-value

Bar plots

Demo data set

Load and prepare data:

# Load datadata('mtcars')dfm <><><>

##                                name   wt  mpg cyl## Mazda RX4                 Mazda RX4 2.62 21.0   6## Mazda RX4 Wag         Mazda RX4 Wag 2.88 21.0   6## Datsun 710               Datsun 710 2.32 22.8   4## Hornet 4 Drive       Hornet 4 Drive 3.21 21.4   6## Hornet Sportabout Hornet Sportabout 3.44 18.7   8## Valiant                     Valiant 3.46 18.1   6

Ordered bar plots

Change the fill color by the grouping variable “cyl”. Sorting will be done globally, but not by groups.

ggbarplot(dfm, x = 'name', y = 'mpg',          fill = 'cyl',               # change fill color by cyl          color = 'white',            # Set bar border colors to white          palette = 'jco',            # jco journal color palett. see ?ggpar          sort.val = 'desc',          # Sort the value in dscending order          sort.by.groups = FALSE,     # Don't sort inside each group          x.text.angle = 90           # Rotate vertically x axis texts          )

Sort bars inside each group. Use the argument sort.by.groups = TRUE.

ggbarplot(dfm, x = 'name', y = 'mpg',          fill = 'cyl',               # change fill color by cyl          color = 'white',            # Set bar border colors to white          palette = 'jco',            # jco journal color palett. see ?ggpar          sort.val = 'asc',           # Sort the value in dscending order          sort.by.groups = TRUE,      # Sort inside each group          x.text.angle = 90           # Rotate vertically x axis texts          )

Deviation graphs

The deviation graph shows the deviation of quantitative values to a reference value. In the R code below, we’ll plot the mpg z-score from the mtcars dataset.

Calculate the z-score of the mpg data:

# Calculate the z-score of the mpg datadfm$mpg_z <- (dfm$mpg -mean(dfm$mpg))><><>

##                                name   wt  mpg  mpg_z mpg_grp cyl## Mazda RX4                 Mazda RX4 2.62 21.0  0.151    high   6## Mazda RX4 Wag         Mazda RX4 Wag 2.88 21.0  0.151    high   6## Datsun 710               Datsun 710 2.32 22.8  0.450    high   4## Hornet 4 Drive       Hornet 4 Drive 3.21 21.4  0.217    high   6## Hornet Sportabout Hornet Sportabout 3.44 18.7 -0.231     low   8## Valiant                     Valiant 3.46 18.1 -0.330     low   6

Create an ordered bar plot, colored according to the level of mpg:

ggbarplot(dfm, x = 'name', y = 'mpg_z',          fill = 'mpg_grp',           # change fill color by mpg_level          color = 'white',            # Set bar border colors to white          palette = 'jco',            # jco journal color palett. see ?ggpar          sort.val = 'asc',           # Sort the value in ascending order          sort.by.groups = FALSE,     # Don't sort inside each group          x.text.angle = 90,          # Rotate vertically x axis texts          ylab = 'MPG z-score',          xlab = FALSE,          legend.title = 'MPG Group'          )

Rotate the plot: use rotate = TRUE and sort.val = “desc”

ggbarplot(dfm, x = 'name', y = 'mpg_z',          fill = 'mpg_grp',           # change fill color by mpg_level          color = 'white',            # Set bar border colors to white          palette = 'jco',            # jco journal color palett. see ?ggpar          sort.val = 'desc',          # Sort the value in descending order          sort.by.groups = FALSE,     # Don't sort inside each group          x.text.angle = 90,          # Rotate vertically x axis texts          ylab = 'MPG z-score',          legend.title = 'MPG Group',          rotate = TRUE,          ggtheme = theme_minimal()          )

Dot charts

Lollipop chart

Lollipop chart is an alternative to bar plots, when you have a large set of values to visualize.

Lollipop chart colored by the grouping variable “cyl”:

ggdotchart(dfm, x = 'name', y = 'mpg',           color = 'cyl',                                # Color by groups           palette = c('#00AFBB', '#E7B800', '#FC4E07'), # Custom color palette           sorting = 'ascending',                        # Sort value in descending order           add = 'segments',                             # Add segments from y = 0 to dots           ggtheme = theme_pubr()                        # ggplot2 theme           )

• Sort in descending order. sorting = “descending”.

• Rotate the plot vertically, using rotate = TRUE.

• Sort the mpg value inside each group by using group = “cyl”.

• Set dot.size to 6.

• Add mpg values as label. label = “mpg” or label = round(dfm$mpg).

ggdotchart(dfm, x = 'name', y = 'mpg',           color = 'cyl',                                # Color by groups           palette = c('#00AFBB', '#E7B800', '#FC4E07'), # Custom color palette           sorting = 'descending',                       # Sort value in descending order           add = 'segments',                             # Add segments from y = 0 to dots           rotate = TRUE,                                # Rotate vertically           group = 'cyl',                                # Order by groups           dot.size = 6,                                 # Large dot size           label = round(dfm$mpg),                        # Add mpg values as dot labels           font.label = list(color = 'white', size = 9,                              vjust = 0.5),               # Adjust label parameters           ggtheme = theme_pubr()                        # ggplot2 theme           )

Deviation graph:

• Use y = “mpg_z”

• Change segment color and size: add.params = list(color = “lightgray”, size = 2)

ggdotchart(dfm, x = 'name', y = 'mpg_z',           color = 'cyl',                                # Color by groups           palette = c('#00AFBB', '#E7B800', '#FC4E07'), # Custom color palette           sorting = 'descending',                       # Sort value in descending order           add = 'segments',                             # Add segments from y = 0 to dots           add.params = list(color = 'lightgray', size = 2), # Change segment color and size           group = 'cyl',                                # Order by groups           dot.size = 6,                                 # Large dot size           label = round(dfm$mpg_z,1),                        # Add mpg values as dot labels           font.label = list(color = 'white', size = 9,                              vjust = 0.5),               # Adjust label parameters           ggtheme = theme_pubr()                        # ggplot2 theme           )+  geom_hline(yintercept = 0, linetype = 2, color = 'lightgray')

Cleveland’s dot plot

Color y text by groups. Use y.text.col = TRUE.

ggdotchart(dfm, x = 'name', y = 'mpg',           color = 'cyl',                                # Color by groups           palette = c('#00AFBB', '#E7B800', '#FC4E07'), # Custom color palette           sorting = 'descending',                       # Sort value in descending order           rotate = TRUE,                                # Rotate vertically           dot.size = 2,                                 # Large dot size           y.text.col = TRUE,                            # Color y text by groups           ggtheme = theme_pubr()                        # ggplot2 theme           )+  theme_cleveland()                                      # Add dashed grids

我们将以TCGA数据为例，为大家直播讲解ggpur包分析TCGA数据作图流程，加我微信号了解详细，1478115560，注明听课，仅收取10元。