曬一下專注于copy paste的生信人

ggplot2基本要素

• 數(shù)據(jù)和映射

• 幾何對象

• 標尺

• 統(tǒng)計變換

• 坐標系統(tǒng)

• 圖層

• 分面

• 主題

這里將從這些基本要素對ggplot2進行介紹。

數(shù)據(jù)和映射

下面以一份鉆石的數(shù)據(jù)為例，這份數(shù)據(jù)非常大，隨機取一個子集來畫圖。

畫圖實際上是把數(shù)據(jù)中的變量映射到圖形屬性上。以克拉數(shù)為X軸變量，價格為Y軸變量。

上面這行代碼把數(shù)據(jù)映射XY坐標軸上，需要告訴ggplot2，這些數(shù)據(jù)要映射成什么樣的幾何對象，下面以散點為例：

幾何對象將在下面的小節(jié)介紹，這一節(jié)，關(guān)注的是數(shù)據(jù)和圖形屬性之間的映射。

如果想將切工（cut）映射到形狀屬性。只需要：

再比如我想將鉆石的顏色（color）映射顏色屬性：

幾何對象（Geometric）

在上面的例子中，各種屬性映射由ggplot函數(shù)執(zhí)行，只需要加一個圖層，使用geom_point()告訴ggplot要畫散點，于是所有的屬性都映射到散點上。

geom_point()完成的就是幾何對象的映射，ggplot2提供了各種幾何對象映射，如geom_histogram用于直方圖，geom_bar用于畫柱狀圖，geom_boxplot用于畫箱式圖等等。

不同的幾何對象，要求的屬性會有些不同，這些屬性也可以在幾何對象映射時提供，比如上一圖，也可以用以下語法來畫：

ggplot2支持圖層，我通常把不同的圖層中共用的映射提供給ggplot函數(shù)，而某一幾何對象才需要的映射參數(shù)提供給geom_xxx函數(shù)。

這一小節(jié)我們來看一下各種常用的幾何對象。

直方圖 直方圖最容易，提供一個x變量，畫出數(shù)據(jù)的分布。

同樣可以根據(jù)另外的變量給它填充顏色，比如按不同的切工：

也可以將其分開，side-by-side地畫直方圖。

還可以使用position=”fill”，按照相對比例來畫。

柱狀圖
柱狀圖非常適合于畫分類變量。在這里以透明度（clarity）變量為例。按照不同透明度的鉆石的數(shù)目畫柱狀圖。

柱狀圖兩個要素，一個是分類變量，一個是數(shù)目，也就是柱子的高度。數(shù)目在這里不用提供，因為ggplot2會通過x變量計算各個分類的數(shù)目。

當然你想提供也是可以的，通過stat參數(shù)，可以讓geom_bar按指定高度畫圖，比如以下代碼：

柱狀圖和直方圖是很像的，直方圖把連續(xù)型的數(shù)據(jù)按照一個個等長的分區(qū)（bin）來切分，然后計數(shù)，畫柱狀圖。而柱狀圖是分類數(shù)據(jù)，按類別計數(shù)。我們可以用前面直方圖的參數(shù)來畫side-by-side的柱狀圖，填充顏色或者按比例畫圖，它們是高度一致的。

柱狀圖是用來表示計數(shù)數(shù)據(jù)的，但在生物界卻被經(jīng)常拿來表示均值，加上誤差來表示數(shù)據(jù)分布，這可以通常圖層來實現(xiàn)，我將在圖層一節(jié)中給出實例。

密度函數(shù)圖
說到直方圖，就不得不說密度函數(shù)圖，數(shù)據(jù)和映射和直方圖是一樣的，唯一不同的是幾何對象，geom_histogram告訴ggplot要畫直方圖，而geom_density則說我們要畫密度函數(shù)圖，在我們熟悉前面語法的情況下，很容易畫出：

colour參數(shù)指定的是曲線的顏色，而fill是往曲線下面填充顏色。

箱式圖
數(shù)據(jù)量比較大的時候，用直方圖和密度函數(shù)圖是表示數(shù)據(jù)分布的好方法，而在數(shù)據(jù)量較少的時候，比如很多的生物實驗，很多時候大家都是使用柱狀圖+errorbar的形式來表示，不過這種方法的信息量非常低，被Nature Methods吐槽，這種情況推薦使用boxplot。

geom_boxplot將數(shù)據(jù)映射到箱式圖上，上面的代碼，我們應(yīng)該很熟悉了，按切工(cut)分類，對價格(price)變量畫箱式圖，再分開按照color變量填充顏色。

ggplot2提供了很多的geom_xxx函數(shù)，可以滿足我們對各種圖形繪制的需求。

標尺（Scale）

前面我們已經(jīng)看到了，畫圖就是在做映射，不管是映射到不同的幾何對象上，還是映射各種圖形屬性。這一小節(jié)介紹標尺，在對圖形屬性進行映射之后，使用標尺可以控制這些屬性的顯示方式，比如坐標刻度，可能通過標尺，將坐標進行對數(shù)變換；比如顏色屬性，也可以通過標尺，進行改變。

以數(shù)據(jù)（Data）和映射（Mapping)一節(jié)中所畫散點圖為例，將Y軸坐標進行l(wèi)og10變換，再自己定義顏色為彩虹色。

統(tǒng)計變換（Statistics）

統(tǒng)計變換對原始數(shù)據(jù)進行某種計算，然后在圖上表示出來，例如對散點圖上加一條回歸線。

這里就不按顏色、切工來分了，不然ggplot會按不同的分類變量分別做回歸，圖就很亂，如果我們需要這樣做，我們可以使用分面，這個將在后面介紹。

這里，aes所提供的參數(shù)，就通過ggplot提供，而不是提供給geom_point，因為ggplot里的參數(shù)，相當于全局變量，geom_point()和stat_smooth()都知道x,y的映射，如果只提供給geom_point()，則相當于是局部變量，geom_point知道這種映射，而stat_smooth不知道，當然你再給stat_smooth也提供x,y的映射，不過共用的映射，還是提供給ggplot好。
ggplot2提供了多種統(tǒng)計變換方式：

統(tǒng)計變換是非常重要的功能，我們可以自己寫函數(shù)，基于原始數(shù)據(jù)做某種計算，并在圖上表現(xiàn)出來，也可以通過它改變geom_xxx函數(shù)畫圖的默認統(tǒng)計參數(shù)。
比如我在Proteomic investigation of the interactome of FMNL1 in hematopoietic cells unveils a role in calcium-dependent membrane plasticity的圖一中，就把boxplot的中位線替換成了平均值來作圖。

坐標系統(tǒng)（Coordinante）

坐標系統(tǒng)控制坐標軸，可以進行變換，例如XY軸翻轉(zhuǎn)，笛卡爾坐標和極坐標轉(zhuǎn)換，以滿足我們的各種需求。

坐標軸翻轉(zhuǎn)由coord_flip()實現(xiàn)

而轉(zhuǎn)換成極坐標可以由coord_polar()實現(xiàn)：

這也是為什么之前介紹常用圖形畫法時沒有提及餅圖的原因，餅圖實際上就是柱狀圖，只不過是使用極坐標而已，柱狀圖的高度，對應(yīng)于餅圖的弧度，餅圖并不推薦，因為人類的眼睛比較弧度的能力比不上比較高度（柱狀圖）

還可以畫靶心圖：

以及風玫瑰圖(windrose)

圖層（Layer）

photoshop流行的原因在于PS
3.0時引入圖層的概念，ggplot的牛B之處在于使用+號來疊加圖層，這堪稱是泛型編程的典范。
在前面散點圖上，我們已經(jīng)見識過，加上了一個回歸線擬合的圖層。

有了圖層的概念，使用ggplot畫起圖來，就更加得心應(yīng)手。

做為圖層的一個很好的例子是蝙蝠俠logo，batman
logo由6個函數(shù)組成，在下面的例子中，我先畫第一個函數(shù)，之后再加一個圖層畫第二個函數(shù)，不斷重復(fù)這一過程，直到六個函數(shù)全部畫好。

分面（Facet）

在《ggplot2: 數(shù)據(jù)分析與圖形藝術(shù)》一書的翻譯中，一開始譯者把facet翻譯成切片，我在校稿的時候發(fā)現(xiàn)了，給他們寫信，推薦翻譯成分面，如果是slice這個詞，翻譯成切片倒是很精準，BSD的硬盤分區(qū)就叫slice，但facet從詞源上看就是小臉的意思，翻譯成分面才到位。給他們寫信的時候，我還專門查了CNKI翻譯助手，發(fā)現(xiàn)這詞在信息學(xué)中，翻成分面早已是固定的。我感覺這是我對這本書翻譯的最大貢獻，校稿過程中發(fā)現(xiàn)的少量小問題遠比不上這個關(guān)鍵詞意思的把握上。

分面可以讓我們按照某種給定的條件，對數(shù)據(jù)進行分組，然后分別畫圖。
在統(tǒng)計變換一節(jié)中，提到如果按切工分組作回歸線，顯然圖會很亂，有了分面功能，我們可以分別作圖。

主題（Theme）

通過ggplot畫圖之后，我們可能還需要對圖進行定制，像title, xlab,
ylab這些高頻需要用到的，自不用說，ggplot2提供了ggtitle(),
xlab()和ylab()來實現(xiàn)。 比如：

但是這個遠遠滿足不了需求，我們需要改變字體，字體大小，坐標軸，背景等各種元素，這需要通過theme()函數(shù)來完成。

ggplot2提供一些已經(jīng)寫好的主題，比如theme_grey()為默認主題，我經(jīng)常用的theme_bw()為白色背景的主題，還有theme_classic()主題，和R的基礎(chǔ)畫圖函數(shù)較像。

別外ggthemes包提供了一些主題可供使用，包括：

在2013年發(fā)表的文章Putative cobalt- and nickel-binding proteins and motifs in Streptococcus pneumoniae中的圖3就是使用theme_stata來畫的。

至于如何改變這些元素，我覺得我之前畫囧字的博文可以做為例子：

詳細的說明，可以參考?theme的幫助文檔。

二維密度圖

在這個文檔里，為了作圖方便，我們使用diamonds數(shù)據(jù)集的一個子集，如果使用全集，數(shù)據(jù)量太大，畫出來散點就糊了，這種情況可以使用二維密度力來呈現(xiàn)。

ggplot2實例

蝴蝶圖:

這個圖，我想展示的是對細節(jié)的修改上，在畫囧字的時候，把畫布上的元素都給清除了，我把它定義為theme_null主題，在這里，直接應(yīng)用，我們可以形成自己的畫圖風格，并寫出自己的主題函數(shù)固定下來。

最后以生物界中常用的柱狀圖+誤差圖為實例，展示ggplot2非常靈活的圖層。以我2011年發(fā)表的文章Phosphoproteome profile of human lung cancer cell line A549中的westernblot數(shù)據(jù)為例。這個實例展示了圖層，標尺，主題，注釋和各種細節(jié)微調(diào)多種元素。