R可视化：不一样的ggplot2箱线图

欢迎大家关注全网生信学习者系列：

• WX公zhong号：生信学习者
• Xiao hong书：生信学习者
• 知hu：生信学习者
• CDSN：生信学习者2

介绍

使用 ggplot2 包画箱线图通常使用 geom_boxplot() 函数。箱线图（Boxplot）是一种用于展示一组数据分布特征的图形，它能够提供以下信息：

1. 中位数：箱线图中的中位线表示数据的中位数。
2. 四分位数：箱线图的箱子部分表示数据的四分位数范围，即25%和75%分位数，这可以展示数据的中间50%的分布情况。
3. 异常值：箱线图通常会用点来表示异常值，即那些远离数据主体的值。
4. 最小值和最大值：在某些箱线图中，除了四分位数之外，还会展示最小值和最大值（不包括异常值）。
5. 数据的偏斜性：箱线图的形状可以揭示数据的偏斜性。如果箱子是对称的，那么数据可能接近正态分布；如果箱子倾斜，则数据可能偏斜。

箱线图非常适合用于比较不同组别的数据分布情况，例如，比较不同治疗方法的效果，或者不同群体的某个指标的分布。

在ggplot2 中，可以通过使用 geom_point() 来在箱线图上增加点，这些点可以代表分组中特定指标的出现率。

网格状箱线图

patternplot 是一个 R 包，它提供了创建网格状箱线图的功能，这种图表通常用于展示多个组别或条件下的数据分布。patternplot 包的 pattern_boxplot() 函数可以生成这样的图形，它允许用户在网格中为每个子集绘制箱线图，从而可以直观地比较不同组别或条件下的数据。下面是box1参数的详细解释：

• data: 包含要展示的数据的数据框。
• x: 箱线图的 x 轴变量，通常是分组的因子。
• y: 箱线图的 y 轴变量，表示要展示的数值数据。
• group: 分组变量，用于区分不同的箱线图。
• pattern.type: 指定图案的类型，可以是 "lattice"（格子）或其他。
• pattern.line.size: 图案线条的粗细。
• label.size: x 轴上分组标签的字体大小。
• pattern.color: 图案的颜色。
• background.color: 图表背景颜色。
• frame.color: 图表框架的颜色。
• density: 密度参数，可能用于调整箱线图内密度图的显示。
• legend.h: 图例的高度。
• legend.x.pos 和 legend.y.pos: 图例在图表中的位置。
• legend.pixel: 图例中图案的像素大小。
• legend.w: 图例的宽度。
• legend.label: 图例的标签，用于说明不同图案代表的组别或条件。

library(patternplot)
library(png)
library(ggplot2)
library(gridExtra)
​
data <- read.csv(system.file("extdata", "fruits.csv", package = "patternplot"))
group <- data$Fruit
y <- data$Weight
x <- data$Store
​
pattern.type <- c('nwlines', 'blank', 'waves')
pattern.color <- c('black','black', 'black')
background.color <- c('white','gray80', 'white')
frame.color <- c('black', 'black', 'black')
pattern.line.size <- c(6, 1,6)
density <- c(6, 1, 8)
​
​
box1 <- patternboxplot(
  data, x, y, group = group,
  pattern.type = pattern.type,
  pattern.line.size = pattern.line.size, 
  label.size = 3, 
  pattern.color = pattern.color, 
  background.color = background.color,
  frame.color = frame.color,
  density = density,  
  legend.h = 2, 
  legend.x.pos = 1.075, 
  legend.y.pos = 0.499, 
  legend.pixel = 10,
  legend.w = 0.18, 
  legend.label = c("Orange","Strawberry","Watermelon")) +
  ggtitle('(A) Boxplot with Black and White Patterns')
​
pattern.color <- c('black','white', 'grey20')
background.color <- c('gold','lightpink', 'lightgreen')
​
box2 <- patternboxplot(
  data, x, y, group = group,
  pattern.type = pattern.type,
  pattern.line.size = pattern.line.size, 
  label.size = 3,
  pattern.color = pattern.color, 
  background.color = background.color,
  frame.color = frame.color, 
  density = density,
  legend.h = 2, 
  legend.x.pos = 1.075, 
  legend.y.pos = 0.499, 
  legend.pixel = 10,
  legend.w = 0.18, 
  legend.label = c("Orange","Strawberry","Watermelon")) +
  ggtitle('(B) Boxplot with Colors and Patterns')
​
grid.arrange(box1, box2, nrow = 1)

结果：不同网格展示的分组的箱线图

加载R包

library(tidyverse)
library(ggplot2)
​
rm(list = ls())
options(stringsAsFactors = F)

导入数据

data("iris")
​
head(iris)

处理数据

• 选择Sepal.Length指标和Species分组
• 计算Sepal.Length在每个分组的出现率和对应画图位置坐标

plotdata <- iris |>
  dplyr::select(Sepal.Length, Species) |>
  dplyr::mutate(Species = factor(Species, c("setosa", "versicolor", "virginica"))) |>
  dplyr::rename(Group = Species,
                Index = Sepal.Length) 
​
occ_cutoff <- 5.2
​
occ_fun <- function(x) {
  return(round(length(x[x > occ_cutoff])/length(x), 4))
}
​
plotOcc <- plotdata |>
  dplyr::group_by(Group) |>
  dplyr::summarise(occ = occ_fun(Index)) |>
  dplyr::mutate(occ_lab = paste0(occ * 100, "%")) |>
  dplyr::mutate(position = min(plotdata$Index) - min(plotdata$Index) * 0.1)
​
head(plotOcc)

画图：更多代码都来自于 https://mp.weixin.qq.com/s/d2Xht6sC7-P6ZqgTqFf13g

采用ggplot2的画图，下面是代码的逐行解析：

1. ggplot(data = plotdata, aes(x = Group, y = Index, color = Group))：
   • 初始化一个 ggplot 对象，使用 plotdata 数据框，并设置分组变量 Group 映射到 x 轴，指标 Index 映射到 y 轴，同时 Group 映射到颜色，用于区分不同组的颜色。
2. stat_boxplot(geom = "errorbar", width = 0.15)：
   • 添加一个箱线图的统计变换，这里使用 errorbar 几何对象，宽度设置为 0.15，这可能是用来表示箱线图的中位数线或四分位数范围的误差条。
3. geom_boxplot(width = .4, outlier.shape = NA)：
   • 添加一个箱线图几何对象，箱子的宽度设置为 0.4，并且移除异常值（outliers）的点。
4. geom_point(size = 2, shape = 5)：
   • 在箱线图上添加点，大小为 2，形状为 5（通常是一个星号）。
5. labs(x = "")：
   • 设置 x 轴的标签为空字符串。
6. scale_y_continuous(expand = expansion(mult = c(0.1, 0.1)))：
   • 设置 y 轴为连续比例尺，并添加一些扩展空间，mult 参数设置为 0.1，意味着在 y 轴的两端各增加 10% 的空间。
7. geom_point(data = plotOcc, aes(x = Group, y = position, size = occ), show.legend = FALSE, shape = 1, stroke = 1)：
   • 根据 plotOcc 数据框添加点，这些点表示出现率，映射 Group 到 x 轴，position 到 y 轴，occ 到点的大小，不显示图例，点的形状设置为 1（圆形），并且有 1 的描边。
8. geom_text(data = plotOcc, aes(x = Group, y = position, label = occ_lab), show.legend = FALSE)：
   • 在 plotOcc 数据框的基础上添加文本标签，映射 Group 到 x 轴，position 到 y 轴，occ_lab 作为标签文本，不显示图例。
9. scale_size_continuous(range = c(10, 12))：
   • 设置点的大小比例尺，范围从 10 到 12。
10. coord_flip()：
    • 翻转坐标轴，使得 x 轴变为垂直，y 轴变为水平。
11. guides(color = "none")：
    • 设置颜色图例为不显示。
12. theme_classic()：
    • 应用经典的 ggplot2 主题。
13. theme(axis.title = element_text(size = 12, color = "black", face = "bold"), axis.text = element_text(size = 10, color = "black"), text = element_text(size = 9, color = "black"))：
    • 自定义图表的主题元素，设置轴标题和文本的大小、颜色和字体加粗。

pl

结果：带有显示Index在不同分组出现率的箱线图

画图: prism主题

结果：带有显示Index在不同分组出现率的prism风格的箱线图