|
前期松哥推送一张美图，并用Graphpad Prism进行模拟。一位才女夏雪留言说用R语言模拟，并供稿如下，分享与大家一同学习！ 多嵌套图拼接的R语言实现 《这张图好美，你知道怎么做的吗？》ggplot2仿图  这次基于ggplot2的尝试主要源于松哥近期的一篇推送《这张图好美，你知道怎么做的吗？》，感慨于Graphpad Prism作图的简洁，也尝试用ggplot2还原了这个嵌套图，权当对两种软件的绘图模块进行一个比较，希望能给各位小伙伴提供一个不同的视角。  原文研究设计及图片还原思路 首先来看一下文献的原图吧~ 原图    原文作者在对不同年龄（幼鼠和成年鼠），不同性别（雌/雄）进行某种刺激后，在7个时间点（1为刺激前，6为最后1次刺激，7为刺激后一段时间）分别对3个效应指标进行了测量。在进行结果展示时，作者放弃了常规的统计表格，选择了上图的形式，按照年龄，性别分为4层，每层3个子图，分别反映3个不同的指标。 不难看出，原图由12个嵌套图组成，每个嵌套图又由1个主图和1个子图拼接而成。其中，主图采用散点与误差棒结合的形式展示了某效应指标在7个时间点的均值和标准误，而每个时点与刺激前的差异显著性则以“*”的形式进行标注；子图则为柱状图与误差棒的结合，主要比较了最后一次刺激及刺激后与刺激前效应指标水平的差异，同样也标注了两两比较的差异显著性，与主图的区别是，这里选择了以横线对两个比较时点进行了标注。 基于以上思路，小x利用R软件的ggplot2包对原图进行了还原： 仿图    简单地说，除了外边框（合理怀疑原图的边框是AI或者PS后期处理的）和坐标轴没有完全实现（x轴时间点6和7之间截断失败）外，其他还算是基本还原了。 嵌套图实现 借助ggplot2及ggsignif包，小x对嵌套图A进行了还原。两个包的说明文档可以参考： https://cran./web/packages/ggplot2/index.html https://github.com/const-ae/ggsignif 首先，生成模拟数据并加载所需的R包： #加载R包 library(ggplot2) #绘图 library(ggsignif) #显著性绘制 #图A模拟数据 group<-c(1,2,3,4,5,6,7) #分组 estimate<-c(15,8,7.5,6,7,5,12) #均值 lower<-c(14,7,6.5,5,6,4,11) #误差限下限 upper<-c(16,9,8.5,7,8,6,13) #误差限上限 a<-data.frame(group,estimate,lower,upper) #图A'模拟数据 b<-a[c(1,6,7),] b$group<-as.factor(b$group) #将时间点1，6，7处理为因子形式，以便在x轴上等距显示各时间点效应值。 自定义图片的主题： windowsFonts( myFont = windowsFont("Arial Unicode MS") ) #加载所需字体：Arial Unicode MS mytheme<-theme( axis.line=element_line(size=0.5,colour="black"), axis.title=element_text(family="myFont",colour="black", size=12), axis.text=element_text(family="myFont",colour="black", size=12), legend.background=element_blank(), legend.key=element_blank(), legend.title=element_blank(), panel.background=element_blank(), panel.border=element_blank(), panel.grid=element_blank() ) #设置图片坐标轴(axis)，图例(legend)及面板(panel) 利用散点图(geom_point)和误差棒(geom_errorbar)的叠加，绘制嵌套主图p1，并手动标注(geom_text)显著性水平： p1<-ggplot(data=a,aes(x=group))+ #散点图 geom_point(aes(y=estimate),size=4,colour=3)+ #误差限 geom_errorbar(aes(ymin=lower,ymax=upper),width=0.2,size=0.8,colour=3)+ #设置坐标轴 scale_y_continuous(breaks=c(0,5,10,15,20), limits=c(0,23))+ scale_x_continuous(breaks=c(1,2,3,4,5,6,7),limits=c(0.5,10.5))+ #标注显著性水平 geom_text(aes(y=upper+0.5), label=c("","***","***","***","***","***",""),colour=1,size=5)+ #设置x轴，y轴及标题 labs(x="Stimulation",y="DA concentration(uM)",title="A")+ #设置主题 mytheme  利用条形图(geom_bar)和误差棒(geom_errorbar)的叠加，绘制嵌套子图p2，并借助ggsignif包(geom_signif)标注组间差异显著性： p2<- ggplot(data=b,aes(x=group))+ #条形图 geom_bar(aes(y=estimate),stat="identity",width=0.4,fill=3)+ #误差限 geom_errorbar(aes(ymin=lower,ymax=upper),width=0.2,size=0.8,colour=3)+ #标注显著性水平 geom_signif(stat="identity",data=data.frame(x=c(1,2), xend=c(2,3), y=c(16.5,13.5), annotation=c(" * ", " *** ")), aes(x=x,xend=xend, y=y, yend=y, annotation=annotation), size=5)+ #设置坐标轴 scale_y_continuous(breaks=c(0,5,10,15,20),limits=c(0,20))+ #设置x轴，y轴及标题 labs(x="",y="DA concentration(uM)",title="A'") #设置主题 mytheme 利用生成ggplotGrob() 生成图形对象列表（grob, graphical object)后，利用annotation_custom通过添加注释的方式,向图形内部添加子图： g<-ggplotGrob(p2) p01<-p1+ annotation_custom( g,xmin=7.5,xmax=10.5,ymin=12,ymax=25) 嵌套图拼接 类似地，可以完成其余11幅嵌套图(p02-p12)的绘制。 对于图片的拼接，小x利用了gridExtra包实现，说明文档可以参考： https://cran./web/packages/gridExtra/index.html png(file = "C:/R/COPY.png", res =600, width =10000, height =10000) grid.arrange(p01,p02,p03,p04,p05,p06,p07, p08,p09,p010,p011,p012,ncol=3) dev.off() 嗯，到目前为止，图片就基本还原了。至于外边框和标注，各位小伙伴就借助AI和PS进行美化吧。希望你们觉得有意思。
|
|
|
