五一假期，来点轻松点的知识！
整个新系列。目前的几个系列， #R实战 以生信分析为主， #跟着CNS学作图 以复现顶刊Figure为主，而本系列 #R绘图 则是学习不在文章中但同样很好看的图，致力于给同学们在数据可视化中提供新的思路和方法。
本期图片
示例数据和代码领取
点赞、在看 本文，分享至朋友圈集赞20个并保留30分钟，截图发至微信mzbj0002领取。
木舟笔记2022年度VIP可免费领取。
木舟笔记2022年度VIP企划
权益：
2022年度木舟笔记**所有推文示例数据及代码(在VIP群里实时更新)**。
木舟笔记科研交流群。
半价购买
跟着Cell学作图系列合集(免费教程+代码领取)|跟着Cell学作图系列合集。
收费：
99￥/人。可添加微信：mzbj0002 转账，或直接在文末打赏。
绘制
# 加载包
library(tidyverse)
library(ggplot2)
# 示例数据准备
niwot_plant_exp <- read.csv("niwot_plant_exp.csv")
# Calculate species richness per plot per year
niwot_richness <- niwot_plant_exp %>%
group_by(plot_num, year) %>%
mutate(richness = length(unique(USDA_Scientific_Name))) %>%
ungroup()distributions1 <- ggplot(niwot_richness, aes(x = fert, y = richness)) +
geom_violin()
distributions1
图很丑，但这是对数据分布的有效观察。我们可以添加一些颜色，也可以添加我们的自定义主题。
theme_niwot <- function(){
theme_bw() +
theme(text = element_text(family = "Helvetica Light"),
axis.text = element_text(size = 16),
axis.title = element_text(size = 18),
axis.line.x = element_line(color="black"),
axis.line.y = element_line(color="black"),
panel.border = element_blank(),
panel.grid.major.x = element_blank(),
panel.grid.minor.x = element_blank(),
panel.grid.minor.y = element_blank(),
panel.grid.major.y = element_blank(),
plot.margin = unit(c(1, 1, 1, 1), units = , "cm"),
plot.title = element_text(size = 18, vjust = 1, hjust = 0),
legend.text = element_text(size = 12),
legend.title = element_blank(),
legend.position = c(0.95, 0.15),
legend.key = element_blank(),
legend.background = element_rect(color = "black",
fill = "transparent",
size = 2, linetype = "blank"))
}
distributions2 <- ggplot(niwot_richness, aes(x = fert, y = richness)) +
geom_violin(aes(fill = fert, colour = fert), alpha = 0.5) +
# alpha控制不透明度
theme_niwot()
distributions2
看起来好多了，但对于读者来说，要找出每个类别的平均值仍然很难。这样我们就可以用箱形图把小提琴覆盖起来。
distributions3 <- ggplot(niwot_richness, aes(x = fert, y = richness)) +
geom_violin(aes(fill = fert, colour = fert), alpha = 0.5) +
geom_boxplot(aes(colour = fert), width = 0.2) + # 添加箱线图图层
theme_niwot()
distributions3
虽然箱线图在图上添加了更多的信息，但我们仍然不知道数据点的确切位置，小提琴的平滑函数有时会隐藏给定变量的真实值。不用箱线图，我们可以加上实际数据点。
distributions4 <- ggplot(niwot_richness, aes(x = fert, y = richness)) +
geom_violin(aes(fill = fert, colour = fert), alpha = 0.5) +
geom_jitter(aes(colour = fert), position = position_jitter(0.1), # 添加散点
alpha = 0.3) +
theme_niwot()
distributions4
可以看到，虽然能看到真实的数据，但当这些点放在小提琴上时，很难区分。这就到了雨云图发挥作用的时候，它结合了真实数据点和箱线图的分布。
# This code loads the function in the working environment
source("geom_flat_violin.R")
distributions5 <-
ggplot(data = niwot_richness,
aes(x = reorder(fert, desc(richness)), y = richness, fill = fert)) +
# 半小提琴
geom_flat_violin(position = position_nudge(x = 0.2, y = 0), alpha = 0.8) +
# 散点
geom_point(aes(y = richness, color = fert),
position = position_jitter(width = 0.15), size = 1, alpha = 0.1) +
# 箱线
geom_boxplot(width = 0.2, outlier.shape = NA, alpha = 0.8) +
# \n 添加一个新行，在轴和轴标题之间创建一些空间
labs(y = "Species richness\n", x = NULL) +
# 删除图例
guides(fill = FALSE, color = FALSE) +
# 设置 y 轴范围
scale_y_continuous(limits = c(0, 30)) +
# 颜色
scale_fill_manual(values = c("#5A4A6F", "#E47250", "#EBB261", "#9D5A6C")) +
scale_colour_manual(values = c("#5A4A6F", "#E47250", "#EBB261", "#9D5A6C")) +
theme_niwot()
distributions5
可以翻转x轴和y轴。
distributions6 <-
ggplot(data = niwot_richness,
aes(x = reorder(fert, desc(richness)), y = richness, fill = fert)) +
geom_flat_violin(position = position_nudge(x = 0.2, y = 0), alpha = 0.8) +
geom_point(aes(y = richness, color = fert),
position = position_jitter(width = 0.15), size = 1, alpha = 0.1) +
geom_boxplot(width = 0.2, outlier.shape = NA, alpha = 0.8) +
labs(y = "\nSpecies richness", x = NULL) +
guides(fill = FALSE, color = FALSE) +
scale_y_continuous(limits = c(0, 30)) +
scale_fill_manual(values = c("#5A4A6F", "#E47250", "#EBB261", "#9D5A6C")) +
scale_colour_manual(values = c("#5A4A6F", "#E47250", "#EBB261", "#9D5A6C")) +
coord_flip() +
theme_niwot()
ggsave(distributions6, filename = "distributions6.png",
height = 5, width = 5)
美化之旅到此结束啦！
参考
Efficient and beautiful data visualisation (ourcodingclub.github.io)(https://ourcodingclub.github.io/tutorials/dataviz-beautification/#distributions)
往期内容
