R语言画一组对比箱线图(R语言并列箱线图)-视角网

您所在的位置:首页 - 最新最新

R语言画一组对比箱线图(R语言并列箱线图)

投稿 投稿 2022年11月12日 17:16:22 【最新】 419人已围观

摘要箱线图箱线图是能同时反映数据统计量和整体分布,又很漂亮的展示图。在2014年的NatureMethod上有2篇Correspondence论述了使用箱线图的好处和一个在线绘制箱线图的工具。就这样都可以发两篇Naturemethod,没天理,但也说明了箱线图的重要意义。下面这张图展示了Barplot、Boxplot、Volinplot和Beanplot对数据分布的反应。从Barplot上只能看到数据标准差或标准误不同;Boxplot可以看到数据分布的集中性不同;Violinplot和Beanplot展示的是数据真正的分布,尤其是对Biomodal数据的展示。

箱线图

箱线图是能同时反映数据统计量和整体分布,又很漂亮的展示图。在2014年的Nature Method上有2篇Correspondence论述了使用箱线图的好处和一个在线绘制箱线图的工具。就这样都可以发两篇Nature method,没天理,但也说明了箱线图的重要意义。

下面这张图展示了Bar plot、Box plot、Volin plot和Bean plot对数据分布的反应。从Bar plot上只能看到数据标准差或标准误不同;Box plot可以看到数据分布的集中性不同;Violin plot和Bean plot展示的是数据真正的分布,尤其是对Biomodal数据的展示。

Boxplot从下到上展示的是最小值,第一四分位数 (箱子的下边线)、中位数 (箱子中间的线)、第三四分位数 (箱子上边线)、最大值,具体解读参见刘永鑫的扩增子图表解读1箱线图:Alpha多样性,老板再也不操心的我文献阅读了。

http://www.nature.com/nmeth/journal/v11/n2/full/nmeth.2811.html

一步步解析箱线图绘制

假设有这么一个基因表达矩阵,第一列为基因名字,后面几列为样品名字,想绘制下样品中基因表达的整体分布。

profile="Name;2cell_1;2cell_2;2cell_3;4cell_1;4cell_2;4cell_3;zygote_1;zygote_2;zygote_3

A;4;6;7;3.2;5.2;5.6;2;4;3

B;6;8;9;5.2;7.2;7.6;4;6;5

C;8;10;11;7.2;9.2;9.6;6;8;7

D;10;12;13;9.2;11.2;11.6;8;10;9

E;12;14;15;11.2;13.2;13.6;10;12;11

F;14;16;17;13.2;15.2;15.6;12;14;13

G;15;17;18;14.2;16.2;16.6;13;15;14

H;16;18;19;15.2;17.2;17.6;14;16;15

I;17;19;20;16.2;18.2;18.6;15;17;16

J;18;20;21;17.2;19.2;19.6;16;18;17

L;19;21;22;18.2;20.2;20.6;17;19;18

M;20;22;23;19.2;21.2;21.6;18;20;19

N;21;23;24;20.2;22.2;22.6;19;21;20

O;22;24;25;21.2;23.2;23.6;20;22;21"

读入数据并转换为ggplot2需要的长数据表格式 (经过前面几篇的练习,这应该都很熟了)

profile_text <- read.table(text=profile, header=T, row.names=1, quote="",sep=";", check.names=F)

# 在melt时保留位置信息

# melt格式是ggplot2画图最喜欢的格式

# 好好体会下这个格式,虽然多占用了不少空间,但是确实很方便

library(ggplot2)

library(reshape2)

data_m <- melt(profile_text)

head(data_m)

 variable value

1  2cell_1     4

2  2cell_1     6

3  2cell_1     8

4  2cell_1    10

5  2cell_1    12

6  2cell_1    14

像往常一样,就可以直接画图了。

# variable和value为矩阵melt后的两列的名字,内部变量, variable代表了点线的属性,value代表对应的值。

p <- ggplot(data_m, aes(x=variable, y=value),color=variable) +

geom_boxplot() +

theme(axis.text.x=element_text(angle=50,hjust=0.5, vjust=0.5)) +

theme(legend.position="none")

p

# 图会存储在当前目录的Rplots.pdf文件中,如果用Rstudio,可以不运行dev.off()

dev.off()

箱线图出来了,看上去还可以,再加点色彩。

# variable和value为矩阵melt后的两列的名字,内部变量, variable代表了点线的属性,value代表对应的值。

p <- ggplot(data_m, aes(x=variable, y=value),color=variable) +

geom_boxplot(aes(fill=factor(variable))) +

theme(axis.text.x=element_text(angle=50,hjust=0.5, vjust=0.5)) +

theme(legend.position="none")

p

# 图会存储在当前目录的Rplots.pdf文件中,如果用Rstudio,可以不运行dev.off()

dev.off()

再看看Violin plot

# variable和value为矩阵melt后的两列的名字,内部变量, variable代表了点线的属性,value代表对应的值。

p <- ggplot(data_m, aes(x=variable, y=value),color=variable) +

geom_violin(aes(fill=factor(variable))) +

theme(axis.text.x=element_text(angle=50,hjust=0.5, vjust=0.5)) +

theme(legend.position="none")

p

# 图会存储在当前目录的Rplots.pdf文件中,如果用Rstudio,可以不运行dev.off()

dev.off()

还有Jitter plot (这里使用的是ggbeeswarm包)

library(ggbeeswarm)

# 为了更好的效果,只保留其中一个样品的数据

# grepl类似于Linux的grep命令,获取特定模式的字符串

data_m2 <- data_m

# variable和value为矩阵melt后的两列的名字,内部变量, variable代表了点线的属性,value代表对应的值。

p <- ggplot(data_m2, aes(x=variable, y=value),color=variable) +

geom_quasirandom(aes(colour=factor(variable))) +

theme_bw() + theme(panel.grid.major = element_blank(),

panel.grid.minor = element_blank(), legend.key=element_blank()) +

theme(legend.position="none")

# 也可以用geom_jitter(aes(colour=factor(variable)))代替geom_quasirandom(aes(colour=factor(variable)))

# 但个人认为geom_quasirandom给出的结果更有特色

ggsave(p, filename="jitterplot.pdf", width=14, height=8, units=c("cm"))

绘制单个基因 (A)的箱线图

为了更好的展示效果,下面的矩阵增加了样品数量和样品的分组信息。

profile="Name;2cell_1;2cell_2;2cell_3;2cell_4;2cell_5;2cell_6;4cell_1;4cell_2;4cell_3;4cell_4;4cell_5;4cell_6;zygote_1;zygote_2;zygote_3;zygote_4;zygote_5;zygote_6

A;4;6;7;5;8;6;3.2;5.2;5.6;3.6;7.6;4.8;2;4;3;2;4;2.5

B;6;8;9;7;10;8;5.2;7.2;7.6;5.6;9.6;6.8;4;6;5;4;6;4.5"

profile_text <- read.table(text=profile, header=T, row.names=1, quote="",sep=";", check.names=F)

data_m = data.frame(t(profile_text))

data_m$sample = rownames(data_m)

# 只挑选显示部分

# grepl前面已经讲过用于匹配

data_m', data_m$sample),]

          A   sample

2cell_1  4.0  2cell_1

2cell_2  6.0  2cell_2

2cell_3  7.0  2cell_3

4cell_1  3.2  4cell_1

4cell_2  5.2  4cell_2

4cell_3  5.6  4cell_3

zygote_1 2.0 zygote_1

zygote_2 4.0 zygote_2

zygote_3 3.0 zygote_3

获得样品分组信息 (这个例子比较特殊,样品的分组信息就是样品名字下划线前面的部分)

# 可以利用strsplit分割,取出其前面的字符串

# R中复杂的输出结果多数以列表的形式体现,在之前的矩阵操作教程中

# 提到过用str函数来查看复杂结果的结构,并从中获取信息

group = unlist(lapply(strsplit(data_m$sample,"_"), function(x) x))

data_m$group = group

data_m', data_m$sample),]

          A   sample  group

2cell_1  4.0  2cell_1  2cell

2cell_2  6.0  2cell_2  2cell

2cell_3  7.0  2cell_3  2cell

4cell_1  3.2  4cell_1  4cell

4cell_2  5.2  4cell_2  4cell

4cell_3  5.6  4cell_3  4cell

zygote_1 2.0 zygote_1 zygote

zygote_2 4.0 zygote_2 zygote

zygote_3 3.0 zygote_3 zygote

如果没有这个规律,也可以提到类似于下面的文件,指定样品所属的组的信息。

sampleGroup_text="Sample;Group

zygote_1;zygote

zygote_2;zygote

zygote_3;zygote

zygote_4;zygote

zygote_5;zygote

zygote_6;zygote

2cell_1;2cell

2cell_2;2cell

2cell_3;2cell

2cell_4;2cell

2cell_5;2cell

2cell_6;2cell

4cell_1;4cell

4cell_2;4cell

4cell_3;4cell

4cell_4;4cell

4cell_5;4cell

4cell_6;4cell"

#sampleGroup = read.table(text=sampleGroup_text,sep="t",header=1,check.names=F,row.names=1)

#data_m <- merge(data_m, sampleGroup, by="row.names")

# 会获得相同的结果,脚本注释掉了以免重复执行引起问题。

矩阵准备好了,开始画图了 (小提琴图做例子,其它类似)

# 调整下样品出现的顺序

data_m$group <- factor(data_m$group, levels=c("zygote","2cell","4cell"))

# group和A为矩阵中两列的名字,group代表了值的属性,A代表基因A对应的表达值。

# 注意看修改了的地方

p <- ggplot(data_m, aes(x=group, y=A),color=group) +

geom_violin(aes(fill=factor(group))) +

theme(axis.text.x=element_text(angle=50,hjust=0.5, vjust=0.5)) +

theme(legend.position="none")

p

# 图会存储在当前目录的Rplots.pdf文件中,如果用Rstudio,可以不运行dev.off()

长矩阵绘制箱线图

常规矩阵绘制箱线图要求必须是个方正的矩阵输入,而有时想比较的几个组里面检测的值数目不同。比如有三个组,GrpA组检测了6个病人,GrpB组检测了10个病人,GrpC组是12个正常人的检测数据。这时就很难形成一个行位检测值,列为样品的矩阵,长表格模式就适合与这种情况。

long_table <- "Grp;Value

GrpA;10

GrpA;11

GrpA;12

GrpB;5

GrpB;4

GrpB;3

GrpB;2

GrpC;2

GrpC;3"

long_table <- read.table(text=long_table,sep="t",header=1,check.names=F)

p <- ggplot(data_m, aes(x=Grp, y=Value),color=Grp) +

geom_violin(aes(fill=factor(Grp))) +

theme(axis.text.x=element_text(angle=50,hjust=0.5, vjust=0.5)) +

theme(legend.position="none")

p

dev.off()

长表格形式自身就是常规矩阵melt后的格式,这种用来绘制箱线图就很简单了,就不做解释了。