欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

R語(yǔ)言學(xué)習(xí)之線圖的繪制詳解

 更新時(shí)間:2022年03月01日 16:01:39   作者:陳同  
線圖是反映趨勢(shì)變化的一種方式,其輸入數(shù)據(jù)一般也是一個(gè)矩陣。本文將利用R語(yǔ)言繪制單線圖、多線圖以及橫軸文本線圖,感興趣的可以了解一下

線圖

線圖是反映趨勢(shì)變化的一種方式,其輸入數(shù)據(jù)一般也是一個(gè)矩陣。

單線圖

假設(shè)有這么一個(gè)矩陣,第一列為轉(zhuǎn)錄起始位點(diǎn)及其上下游5 kb的區(qū)域,第二列為H3K27ac修飾在這些區(qū)域的豐度,想繪制一張線圖展示。

profile="Pos;H3K27ac
-5000;8.7
-4000;8.4
-3000;8.3
-2000;7.2
-1000;3.6
0;3.6
1000;7.1
2000;8.2
3000;8.4
4000;8.5
5000;8.5"

讀入數(shù)據(jù) (經(jīng)過(guò)前面幾篇的聯(lián)系,這應(yīng)該都很熟了)

profile_text <- read.table(text=profile, header=T, row.names=1, quote="",sep=";")
profile_text
 ? ? ?H3K27ac
-5000 ? ? 8.7
-4000 ? ? 8.4
-3000 ? ? 8.3
-2000 ? ? 7.2
-1000 ? ? 3.6
0 ? ? ? ? 3.6
1000 ? ? ?7.1
2000 ? ? ?8.2
3000 ? ? ?8.4
4000 ? ? ?8.5
5000 ? ? ?8.5
# 在melt時(shí)保留位置信息
# melt格式是ggplot2畫圖最喜歡的格式
# 好好體會(huì)下這個(gè)格式,雖然多占用了不少空間,但是確實(shí)很方便

# 這里可以用 `xvariable`,也可以是其它字符串,但需要保證后面與這里的一致
# 因?yàn)檫@一列是要在X軸顯示,所以起名為`xvariable`。
profile_text$xvariable = rownames(profile_text)
library(ggplot2)
library(reshape2)
data_m <- melt(profile_text, id.vars=c("xvariable"))
data_m
 ? xvariable variable value
1 ? ? ?-5000 ?H3K27ac ? 8.7
2 ? ? ?-4000 ?H3K27ac ? 8.4
3 ? ? ?-3000 ?H3K27ac ? 8.3
4 ? ? ?-2000 ?H3K27ac ? 7.2
5 ? ? ?-1000 ?H3K27ac ? 3.6
6 ? ? ? ? ?0 ?H3K27ac ? 3.6
7 ? ? ? 1000 ?H3K27ac ? 7.1
8 ? ? ? 2000 ?H3K27ac ? 8.2
9 ? ? ? 3000 ?H3K27ac ? 8.4
10 ? ? ?4000 ?H3K27ac ? 8.5
11 ? ? ?5000 ?H3K27ac ? 8.5

然后開始畫圖,與上面畫heatmap一樣。

# variable和value為矩陣melt后的兩列的名字,內(nèi)部變量, variable代表了點(diǎn)線的屬性,value代表對(duì)應(yīng)的值。
p <- ggplot(data_m, aes(x=xvariable, y=value),color=variable) + geom_line()
p
# 圖會(huì)存儲(chǔ)在當(dāng)前目錄的Rplots.pdf文件中,如果用Rstudio,可以不運(yùn)行dev.off()
dev.off()

滿心期待一個(gè)倒鐘形曲線,結(jié)果,

什么也沒有。

仔細(xì)看,出來(lái)一段提示

geom_path: Each group consists of only one observation. 
Do you need to adjust the group aesthetic?

原來(lái)默認(rèn)ggplot2把每個(gè)點(diǎn)都視作了一個(gè)分組,什么都沒畫出來(lái)。而data_m中的數(shù)據(jù)都來(lái)源于一個(gè)分組H3K27ac,分組的名字為variable,修改下腳本,看看效果。

p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) + 
 ? ? geom_line() + theme(legend.position=c(0.1,0.9))
p
dev.off()

圖出來(lái)了,一條線,看一眼沒問(wèn)題;再仔細(xì)看,不對(duì)了,怎么還不是倒鐘形,原來(lái)橫坐標(biāo)錯(cuò)位了。

檢查下數(shù)據(jù)格式

summary(data_m)
 ?xvariable ? ? ?variable ? ? ? ?
 Length:11 ? ? ? H3K27ac:11 ? ??
 Class :character ? ? ? ? ? ??
 Mode ?:character ? ? ? ?

問(wèn)題來(lái)了,xvariable雖然看上去數(shù)字,但存儲(chǔ)的實(shí)際是字符串 (因?yàn)槭亲鳛樾忻肿x取的),需要轉(zhuǎn)換為數(shù)字。

data_m$xvariable <- as.numeric(data_m$xvariable)

#再檢驗(yàn)下
is.numeric(data_m$xvariable)
[1] TRUE

好了,繼續(xù)畫圖。

# 注意斷行時(shí),加號(hào)在行尾,不能放在行首
p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) +
 ? ? geom_line() + theme(legend.position=c(0.1,0.8))
p
dev.off()

圖終于出來(lái)了,調(diào)了下legend的位置,看上去有點(diǎn)意思了。

有點(diǎn)難看,如果平滑下,會(huì)不會(huì)好一些,stat_smooth可以對(duì)繪制的線進(jìn)行局部擬合。在不影響變化趨勢(shì)的情況下,可以使用 (但慎用)。

p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) + 
 ? ? geom_line() + stat_smooth(method="auto", se=FALSE) + 
 ? ? theme(legend.position=c(0.1,0.8))
p
dev.off()

從圖中看,趨勢(shì)還是一致的,線條更優(yōu)美了。另外一個(gè)方式是增加區(qū)間的數(shù)量,線也會(huì)好些,而且更真實(shí)。

stat_smoothgeom_line各繪制了一條線,只保留一條就好。

p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) + 
 ? ? stat_smooth(method="auto", se=FALSE) + theme(legend.position=c(0.1,0.8))
p
dev.off()

好了,終于完成了單條線圖的繪制。

多線圖

那么再來(lái)一個(gè)多線圖的例子吧,只要給之前的數(shù)據(jù)矩陣多加幾列就好了。

profile = "Pos;h3k27ac;ctcf;enhancer;h3k4me3;polII
-5000;8.7;10.7;11.7;10;8.3
-4000;8.4;10.8;11.8;9.8;7.8
-3000;8.3;10.5;12.2;9.4;7
-2000;7.2;10.9;12.7;8.4;4.8
-1000;3.6;8.5;12.8;4.8;1.3
0;3.6;8.5;13.4;5.2;1.5
1000;7.1;10.9;12.4;8.1;4.9
2000;8.2;10.7;12.4;9.5;7.7
3000;8.4;10.4;12;9.8;7.9
4000;8.5;10.6;11.7;9.7;8.2
5000;8.5;10.6;11.7;10;8.2"

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

profile_text$xvariable = rownames(profile_text)
data_m <- melt(profile_text, id.vars=c("xvariable"))
data_m$xvariable <- as.numeric(data_m$xvariable)

# 這里group=variable,而不是group=1 (如果上面你用的是1的話)
# variable和value為矩陣melt后的兩列的名字,內(nèi)部變量, variable代表了點(diǎn)線的屬性,value代表對(duì)應(yīng)的值。
p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) + 
 ? ? stat_smooth(method="auto", se=FALSE) + theme(legend.position=c(0.85,0.2))
p
dev.off()

橫軸文本線圖

如果橫軸是文本,又該怎么調(diào)整順序呢?還記得之前熱圖旁的行或列的順序調(diào)整嗎?重新設(shè)置變量的factor水平就可以控制其順序。

profile = "Pos;h3k27ac;ctcf;enhancer;h3k4me3;polII
-5000;8.7;10.7;11.7;10;8.3
-4000;8.4;10.8;11.8;9.8;7.8
-3000;8.3;10.5;12.2;9.4;7
-2000;7.2;10.9;12.7;8.4;4.8
-1000;3.6;8.5;12.8;4.8;1.3
0;3.6;8.5;13.4;5.2;1.5
1000;7.1;10.9;12.4;8.1;4.9
2000;8.2;10.7;12.4;9.5;7.7
3000;8.4;10.4;12;9.8;7.9
4000;8.5;10.6;11.7;9.7;8.2
5000;8.5;10.6;11.7;10;8.2"

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

profile_text_rownames <- row.names(profile_text)

profile_text$xvariable = rownames(profile_text)
data_m <- melt(profile_text, id.vars=c("xvariable"))

# 就是這一句,會(huì)經(jīng)常用到
data_m$xvariable <- factor(data_m$xvariable, levels=profile_text_rownames, ordered=T)

# geom_line設(shè)置線的粗細(xì)和透明度
p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) + 
 ? ? geom_line(size=1, alpha=0.9) + theme(legend.position=c(0.85,0.2)) +
 ? ? theme(axis.text.x=element_text(angle=45,hjust=1, vjust=1))

# stat_smooth
#p <- ggplot(data_m, aes(x=xvariable, y=value,color=variable,group=variable)) + 
# ? ? stat_smooth(method="auto", se=FALSE) + theme(legend.position=c(0.85,0.2)) +
# ? ? theme(axis.text.x=element_text(angle=45,hjust=1, vjust=1))

p
dev.off()

比較下位置信息做為數(shù)字(前面的線圖)和位置信息橫軸的差別。當(dāng)為數(shù)值時(shí),ggplot2會(huì)選擇合適的幾個(gè)刻度做標(biāo)記,當(dāng)為文本時(shí),會(huì)全部標(biāo)記。另外文本橫軸,smooth效果不明顯 (下面第2張圖)。

至此完成了線圖的基本繪制,雖然還可以,但還有不少需要提高的地方,比如在線圖上加一條或幾條垂線、加個(gè)水平線、修改X軸的標(biāo)記(比如0換為TSS)、設(shè)置每條線的顏色等。具體且聽下回一步線圖法。

到此這篇關(guān)于R語(yǔ)言學(xué)習(xí)之線圖的繪制詳解的文章就介紹到這了,更多相關(guān)R語(yǔ)言繪制線圖內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家!

相關(guān)文章

  • R語(yǔ)言利用ggplot2繪制QQ圖和箱線圖詳解

    R語(yǔ)言利用ggplot2繪制QQ圖和箱線圖詳解

    這篇文章主要為大家介紹了R語(yǔ)言如何利用ggplot2繪制QQ圖和箱線圖,文中的示例代碼講解詳細(xì),對(duì)我們學(xué)習(xí)R語(yǔ)言有一定的幫助,需要的可以參考一下
    2022-06-06
  • R語(yǔ)言數(shù)據(jù)預(yù)處理操作——離散化(分箱)

    R語(yǔ)言數(shù)據(jù)預(yù)處理操作——離散化(分箱)

    這篇文章主要介紹了R語(yǔ)言數(shù)據(jù)預(yù)處理操作——離散化(分箱),具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2021-03-03
  • R語(yǔ)言函數(shù)詳解及實(shí)例用法

    R語(yǔ)言函數(shù)詳解及實(shí)例用法

    在本篇內(nèi)容里小編給大家?guī)?lái)一篇關(guān)于R語(yǔ)言函數(shù)詳解及實(shí)例用法,有需要的朋友們可以學(xué)習(xí)參考下。
    2021-03-03
  • R語(yǔ)言泊松(Poisson)分布實(shí)例詳解

    R語(yǔ)言泊松(Poisson)分布實(shí)例詳解

    Poisson分布是一種統(tǒng)計(jì)與概率學(xué)里常見到的離散概率分布,下面這篇文章主要給大家介紹了關(guān)于R語(yǔ)言泊松(Poisson)分布的相關(guān)資料,文中通過(guò)實(shí)例代碼介紹的非常詳細(xì),需要的朋友可以參考下
    2022-11-11
  • R語(yǔ)言數(shù)據(jù)可視化包ggplot2畫圖之散點(diǎn)圖的基本畫法

    R語(yǔ)言數(shù)據(jù)可視化包ggplot2畫圖之散點(diǎn)圖的基本畫法

    散點(diǎn)圖主要用于描述兩個(gè)連續(xù)變量之間的關(guān)系,通過(guò)散點(diǎn)圖發(fā)現(xiàn)變量之間的相關(guān)性強(qiáng)度、是否存在線性關(guān)系等,下面這篇文章主要給大家介紹了關(guān)于R語(yǔ)言數(shù)據(jù)可視化包ggplot2畫圖之散點(diǎn)圖的基本畫法,需要的朋友可以參考下
    2022-11-11
  • R語(yǔ)言 實(shí)現(xiàn)選取某一行的最大值

    R語(yǔ)言 實(shí)現(xiàn)選取某一行的最大值

    這篇文章主要介紹了R語(yǔ)言 實(shí)現(xiàn)選取某一行的最大值,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2021-04-04
  • R語(yǔ)言編程數(shù)學(xué)分析重讀微積分理解極限算法

    R語(yǔ)言編程數(shù)學(xué)分析重讀微積分理解極限算法

    這篇文章主要為大家介紹了R語(yǔ)言編程重讀微積分?jǐn)?shù)學(xué)分析理解極限算法的詳細(xì)過(guò)程,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進(jìn)步
    2021-10-10
  • R語(yǔ)言 實(shí)現(xiàn)將factor轉(zhuǎn)換成numeric方法

    R語(yǔ)言 實(shí)現(xiàn)將factor轉(zhuǎn)換成numeric方法

    這篇文章主要介紹了R語(yǔ)言 實(shí)現(xiàn)將factor轉(zhuǎn)換成numeric方法,具有很好的參考價(jià)值,希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧
    2021-03-03
  • R語(yǔ)言學(xué)習(xí)Rcpp基礎(chǔ)知識(shí)全面整理

    R語(yǔ)言學(xué)習(xí)Rcpp基礎(chǔ)知識(shí)全面整理

    這篇文章主要介紹了R語(yǔ)言學(xué)習(xí)Rcpp知識(shí)的全面整理,包括相關(guān)配置說(shuō)明,常用數(shù)據(jù)類型及建立等基礎(chǔ)知識(shí)的全面詳解,有需要的朋友可以借鑒參考下,希望能夠有所幫助
    2021-11-11
  • R語(yǔ)言隨機(jī)抽樣詳解

    R語(yǔ)言隨機(jī)抽樣詳解

    這篇文章主要介紹了R語(yǔ)言隨機(jī)抽樣,從總體中抽取樣本的方法很多,最常用的方法是簡(jiǎn)單隨機(jī)抽樣,本文給大家詳細(xì)講解結(jié)合示例代碼給大家介紹的非常詳細(xì),需要的朋友可以參考下
    2022-11-11

最新評(píng)論