2022.4.4
我认为这是第一篇，后面会持续更新自己阅读新图的笔记和自己的练习尝试。。。

基础知识

这里会一ggplot2()为核心来记录

基础包

  1. 作图 base() ggplot2() ggpubr()

    1. 拼图：patchwork() ——只能拼ggplot()的图<br />       导出：ggsave()

  2. 低级绘图函数寄生于高级绘图函数image.png

    针对于ggplot2() 就语法，有以下知识点：

  3. 入门级绘图模版

image.png 特殊语法：列名不带引号

  1. 属性设置 
  1. ##大小：单位mm 形状：0-24编号 颜色：字符串，需要加引号  alpha透明度 fill填充颜色
  2. ##手动设置与数据无关
  3. ggplot(data = iris) + 
  4.   geom_point(mapping = aes(x = Sepal.Length,
  5.                            y = Petal.Length), 
  6.              color = "blue")
  8. ggplot(data = iris) + 
  9.   geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length), 
  10.              size = 5,     # 点的大小5mm
  11.              alpha = 0.5,  # 透明度 50%
  12.              shape = 8)  # 点的形状
  1. ggplot(data = iris)+
  2.   geom_point(mapping = aes(x = Sepal.Length,
  3.                            y = Petal.Length,
  4.                            color = Species))
  5. ##这里需要注意的是，可以自行指定映射的颜色
  6. ggplot(data = iris)+
  7.   geom_point(mapping = aes(x = Sepal.Length,
  8.                            y = Petal.Length,
  9.                            color = Species))+
  10.   scale_color_manual(values = c("blue","grey","red"))
  11. #这里指的注意的是颜色可以有十六进制代码来选择，其次还有专门的配色包来帮助配色

映射的aes的参数是列名，手动设置中是具体的颜色，后者与数据本身内容无关

  1. 分面

    1. #分面
    2. ggplot(data = iris) + 
    3. geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) + 
    4. facet_wrap(~ Species) 
    5. #双分面
    6. dat = iris
    7. dat$Group = sample(letters[1:5],150,replace = T)
    8. ggplot(data = dat) + 
    9. geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) + 
    10. facet_grid(Group ~ Species) #Group为行名，Species为列，当然忘记了试运行一下就知道了

  2. 几何对象 全局和局部

image.png

  1. 统计变换（这一部分我没怎么理解出具体区别，所以。。。把代码功能弄明白先争取做到会用吧！！） ```r ggplot(data = diamonds) + geom_bar(mapping = aes(x = cut))

ggplot(data = diamonds) + stat_count(mapping = aes(x = cut))

我感觉这里是记数

  1.  这里有两个参考应用场景，帮助理解吧！ 虽然我感觉就是做了直方图😂，不过算是横纵坐标只有一个吧。<br />**但是这两个指标记得就行**<br />![image.png](https://cdn.nlark.com/yuque/0/2022/png/27187179/1649223221861-79b1c851-b0d1-4bd7-bb96-9e57f2285b5e.png#clientId=u78d50bec-1ac4-4&crop=0&crop=0&crop=1&crop=1&from=paste&height=167&id=u8df893d4&margin=%5Bobject%20Object%5D&name=image.png&originHeight=908&originWidth=1878&originalType=binary&ratio=1&rotation=0&showTitle=false&size=1175541&status=done&style=none&taskId=ud02f704e-a86f-4681-a63a-a988c08abb6&title=&width=345)![image.png](https://cdn.nlark.com/yuque/0/2022/png/27187179/1649223234363-9e38f7e1-26f7-41fa-b89e-1729e49f3c1e.png#clientId=u78d50bec-1ac4-4&crop=0&crop=0&crop=1&crop=1&from=paste&height=178&id=uf9d2e6d4&margin=%5Bobject%20Object%5D&name=image.png&originHeight=958&originWidth=1766&originalType=binary&ratio=1&rotation=0&showTitle=false&size=981365&status=done&style=none&taskId=u5db037ab-1d15-4445-a0e2-1a1f4d0a337&title=&width=328)                **这里group = 1，不加的话，每个珠子都是自己的100%**
  3. 6. 位置关系：多个图重叠的话，谁在最后，谁在最上面
  5. 散点图geom_jitter()散点散开，而非geom_point是垂直一条线的分布<br />直方图的堆叠和并列
  6. ```r
  7. # 6.2堆叠直方图
  8. ggplot(data = diamonds) + 
  9.   geom_bar(mapping = aes(x = cut,fill=clarity))
  11. # 6.3 并列直方图
  12. ggplot(data = diamonds) + 
  13.   geom_bar(mapping = aes(x = cut, fill = clarity), position = "dodge")

image.pngimage.png
翻转坐标系和极坐标系

  1. bar <- ggplot(data = diamonds) + 
  2.   geom_bar(
  3.     mapping = aes(x = cut, fill = cut), 
  4.     width = 1
  5.   ) + 
  6.   theme(aspect.ratio = 1) +
  7.   labs(x = NULL, y = NULL)
  8. bar
  9. bar + coord_flip()
  10. bar + coord_polar()

image.png
image.pngimage.png

ggpubr()

更易理解的代码语言

  1. # ggpubr 搜代码直接用，基本不需要系统学习
  3. # sthda上有大量ggpubr出的图
  4. library(ggpubr)
  5. ggscatter(iris,x="Sepal.Length",
  6.           y="Petal.Length",
  7.           color="Species")
  9. p <- ggboxplot(iris, x = "Species", 
  10.                y = "Sepal.Length",
  11.                color = "Species", 
  12.                shape = "Species",
  13.                add = "jitter")
  14. p
  15. my_comparisons <- list( c("setosa", "versicolor"), 
  16.                         c("setosa", "virginica"), 
  17.                         c("versicolor", "virginica") )
  18. p + stat_compare_means(comparisons = my_comparisons)+ # Add pairwise comparisons p-value
  19.   stat_compare_means(label.y = 9) 
  20. ##这里最后形成的列表对比 值得参考 
  21. ##还有这里的列名加引号了/笑死

image.png更多美图…

图片保存和导出

image.pngimage.png之后再右键组合——取消组合
#https://mp.weixin.qq.com/s/p7LLLvzR5LPgHhuRGhYQBQ
Patchwork！！！

补充参考点

  1. ggplot()和ggpubr() 二者参考对比image.png
  2. color和fill的区别

1）空心和实心的形状点图，都用color来设置
2）既有边框和内心的，才需要color和fill两个参数 （fill管内心，color管边框） 比如说
image.png

  1. sample() 随机抽样函数 dat$Group = sample(letters[1:5],150,replace = T)

letter是R内置的数据集，英文字母，replace意思为抽后放回去，不然就只能抽五次

  1. 代码中“+” 在画同一张图时连接多段代码，只属于ggplot2()

左侧的“+”代表代码的延续

  1. them_bw() them_classic()去背景
  2. dev.off() 的重要性

最后想多说几句，老师上课教的是基础、概念，起码让我们有了看懂别人画的图能力，但是如何自己绘图，可能先回把自己的数据套老师的代码，然后看懂代码后。去看看新的不一样的别人的绘图，再看代码，学着整理后是自己的。。可能对我这样的初学者来说还很漫长，以及会遇到很多的难以想象的问题吧（包括今天搜了一下发现一个人ggplot2绘图顺序错误都出现了问题），不过总得试一试，迈出第一步嘛。所以，写在这里，就是督促逼自己一把，就是自己还在学的话，就去学！（后面想试着开一个R语言绘图学习的新的学习库，这里先自己给自己埋个坑吧！！）

截图与代码来源于生信技能树全程班中R基础班课程PPT