R语言学习之线图的绘制详解

第R语言学习之线图的绘制详解目录线图单线图多线图横轴文本线图

线图

线图是反映趋势变化的一种方式，其输入数据一般也是一个矩阵。

单线图

假设有这么一个矩阵，第一列为转录起始位点及其上下游5kb的区域，第二列为H3K27ac修饰在这些区域的丰度，想绘制一张线图展示。

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"

读入数据(经过前面几篇的联系，这应该都很熟了)

profile_text-read.table(text=profile,header=T,s=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时保留位置信息

#melt格式是ggplot2画图最喜欢的格式

#好好体会下这个格式，虽然多占用了不少空间，但是确实很方便

#这里可以用`xvariable`，也可以是其它字符串，但需要保证后面与这里的一致

#因为这一列是要在X轴显示，所以起名为`xvariable`。

profile_text$xvariable=rownames(profile_text)

library(ggplot2)

library(reshape2)

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

data_m

xvariablevariablevalue

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

然后开始画图，与上面画heatmap一样。

#variable和value为矩阵melt后的两列的名字，内部变量,variable代表了点线的属性，value代表对应的值。

p-ggplot(data_m,aes(x=xvariable,y=value),color=variable)+geom_line()

#图会存储在当前目录的Rplots.pdf文件中，如果用Rstudio，可以不运行dev.off()

dev.off()

满心期待一个倒钟形曲线，结果，

什么也没有。

仔细看，出来一段提示

geom_path:Eachgroupconsistsofonlyoneobservation.

Doyouneedtoadjustthegroupaesthetic

原来默认ggplot2把每个点都视作了一个分组，什么都没画出来。而data_m中的数据都来源于一个分组H3K27ac，分组的名字为variable，修改下脚本，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))

dev.off()

图出来了，一条线，看一眼没问题；再仔细看，不对了，怎么还不是倒钟形，原来横坐标错位了。

检查下数据格式

summary(data_m)

xvariable

variable

Length:11

H3K27ac:11

Class:character

Mode

:character

问题来了，xvariable虽然看上去数字，但存储的实际是字符串(因为是作为行名字读取的)，需要转换为数字。

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

#再检验下

is.numeric(data_m$xvariable)

[1]TRUE

好了，继续画图。

#注意断行时，加号在行尾，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))

dev.off()

图终于出来了，调了下legend的位置，看上去有点意思了。

有点难看，如果平滑下，会不会好一些，stat_smooth可以对绘制的线进行局部拟合。在不影响变化趋势的情况下，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))

dev.off()

从图中看，趋势还是一致的，线条更优美了。另外一个方式是增加区间的数量，线也会好些，而且更真实。

stat_smooth和geom_line各绘制了一条线，只保留一条就好。

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))

dev.off()

好了，终于完成了单条线图的绘制。

多线图

那么再来一个多线图的例子吧，只要给之前的数据矩阵多加几列就好了。

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,s=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)

#这里group=variable，而不是group=1(如果上面你用的是1的话)

#variable和value为矩阵melt后的两列的名字，内部变量,variable代表了点线的属性，value代表对应的值。

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))

dev.off()

横轴文本线图

如果横轴是文本，又该怎么调整顺序呢？还记得之前热图旁的行或列的顺序调整吗？重新设置变量的factor水平就可以控制其顺序。

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,s=1,quote="",sep=";")

profile_text_rownames-s(profile_text)

profile_text$xvariable=rownames(profile_text)

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

#就是这一句，会经常用到

data_m$xvariable-factor(data_m$xvariable,levels=profile_text_rownames,ordered=T)

#geom_line设置线的粗细和透明度

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.te