R语言数据可视化绘图Slope chart坡度图画法
更新时间：2022年02月17日 09:12:47 作者：黄小仙
这篇文章主要为大家介绍了R语言数据可视化绘图Slope chart坡度图的画法示例详解，有需要的朋友可以借鉴参考下，希望能够有所帮助，祝大家多多进步，早日升职加薪
今天小仙给大家分享一下Slope chart(坡度图)的画法，我在paper中看到的图是这样的
这个图的意思大概是Nasal Tissue比Brochial Tissue的ACE2表达量高(ACE2就是新冠病毒的受体啦) 。为了复刻这张图，小仙捏造了一组差不多的数据，竟然感觉比原图好看！
废话不多说，进入正题。
Step1. 绘图数据的准备
首先要把你想要绘图的数据调整成R语言可以识别的格式，建议大家在excel中保存成csv格式。
作图数据格式如下：
Step2. 绘图数据的读取
data<-read.csv(“your file path”, header = T, check.names=F) #注释：header=T表示数据中的第一行是列名，如果没有列名就用header=F #注释：R读取数据的时候，默认会把列名里的空格变成 "."，check.names=F就不会变了
Step3. 绘图所需package的安装、调用
library(ggplot2) library(reshape2) # 注释：package使用之前需要调用
Step4. 绘图
data_melt<-melt(data,id.vars = "Sample") # 注释：将原始的宽数据变成长数据，方便画图 p<-ggplot(data_melt,aes(x=variable,y=value,group=Sample))+ geom_line(color="gray", size=1)+ geom_point(aes(fill=Sample),shape=21, size=3)+ theme_bw()+labs(x="",y="Relative expression") p
直接画出来的图就是下面这样子的，线段和圆圈都是锯齿状的，对图片质量要求比较高、想让直线变平滑的朋友，可以参考我之前的分享《R语言作图技巧——导出高清图》。
如果把geom_point()语句跟geom_point()语句颠倒一下会发生什么呢？
p<-ggplot(data_melt,aes(x=variable,y=value,group=Sample))+ geom_point(aes(fill=Sample),shape=21, size=3)+ geom_line(color="gray", size=1)+ theme_bw()+labs(x="",y="Relative expression") p
语句颠倒，连线就会覆盖点的一部分，如果你想让哪个形状放在最上层，就把相应的画图语句放在后面就可以啦。
以上就是R语言数据可视化绘图Slope chart坡度图画法的详细内容，更多关于R语言数据可视化绘图坡度图的资料请关注脚本之家其它相关文章！
相关文章
这篇文章主要介绍了R语言 实现data.frame 分组计数、求和等操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要介绍了R语言 实现将1对多数据与1对1数据互换的操作，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-03-03
这篇文章主要介绍了R语言 中文乱码的解决方案，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
pROC是一个专门用来计算和绘制ROC曲线的R包，目前已被CRAN收录，因此安装也非常简单，同时该包也兼容ggplot2函数绘图，本次就教大家怎么用pROC来快速画出ROC图，感兴趣的朋友一起看看吧2022-06-06
这篇文章主要介绍了R语言学习Rcpp知识的全面整理，包括相关配置说明，常用数据类型及建立等基础知识的全面详解，有需要的朋友可以借鉴参考下，希望能够有所帮助2021-11-11
在本篇文章里小编给大家整理的是一篇关于R语言条形图创建方法，有需要的朋友们可以跟着学习参考下。2021-04-04
这篇文章主要介绍了R语言的数据输入深入讲解，代码实例讲解的很清晰，有需要的同学可以学习下2021-03-03
逻辑回归属于概率统计的分类算法模型的算法,是根据一个或者多个特征进行类别标号预测,下面这篇文章主要给大家介绍了关于如何使用R语言做逻辑回归的相关资料,需要的朋友可以参考下2022-07-07
这篇文章主要介绍了R语言 解决安装ggplot2报错的问题，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2021-04-04
主成分分析（Principal Component Analysis，PCA）是一种无监督的数据降维方法，通过主成分分析可以尽可能保留下具备区分性的低维数据特征。本文将用R语言实现PCA主成分分析图，需要的可以参考一下2022-04-04
最新评论