ggplot2

绘制带有误差棒的条形图

library(ggplot2)
#创建数据集
df <- data.frame(
  treatment=factor(c(1,1,1,2,2,2,3,3,3)),
  response=c(2,5,4,6,9,7,3,5,8),
  group=factor(c(1,2,3,1,2,3,1,2,3)),
  se=c(0.4,0.2,0.4,0.5,0.3,0.2,0.4,0.6,0.7)
)
head(df)#查看数据集

##   treatment response group  se
## 1         1        2     1 0.4
## 2         1        5     2 0.2
## 3         1        4     3 0.4
## 4         2        6     1 0.5
## 5         2        9     2 0.3
## 6         2        7     3 0.2

#使用geom_errorbar()绘制带有误差棒的条形图
#这里一定要注意position要与geom_bar()保持一致，由于系统默认dodge是0.9，因此geom_errorbar()里面position需要设置0.9，width设置误差棒的大小
ggplot(data=df, aes(x=treatment, y=response, fill=group))+
  geom_bar(stat = "identity", position = "dodge")+
  geom_errorbar(aes(ymax=response+se, ymin=response-se), position = position_dodge(0.9), width=0.15)+scale_fill_brewer(palette = "Set1")

绘制带有显著性标记的条形图

label <- c("","*","**","","**","*","","","*")#这里随便设置的显著性，还有abcdef等显著性标记符号，原理一样，这里不再重复。
#添加显著性标记跟上次讲的添加数据标签是一样的，这里我们假设1是对照
ggplot(data=df, aes(x=treatment, y=response, fill=group))+geom_bar(stat = "identity", position = "dodge")+
  geom_errorbar(aes(ymax=response+se, ymin=response-se), position = position_dodge(0.9), width=0.15)+
  geom_text(aes(y=response+1.5*se,label=label,group=group),position = position_dodge(0.9),size=5,fontface="bold")+
  scale_fill_brewer(palette = "Set1")#这里的label就是刚才设置的，group是数据集中的，fontface设置字体。

绘制两条形图中间带有星号的统计图

#创建一个简单的数据集
Control <- c(2.0,2.5,2.2,2.4,2.1)
Treatment <- c(3.0,3.3,3.1,3.2,3.2)
mean <- c(mean(Control), mean(Treatment))
sd <- c(sd(Control), sd(Treatment))
df1 <- data.frame(V=c("Control", "Treatment"), mean=mean, sd=sd)
df1$V <- factor(df1$V, levels=c("Control", "Treatment"))
#利用geom_segment()绘制图形
ggplot(data=df1, aes(x=V, y=mean, fill=V))+
  geom_bar(stat = "identity",position = position_dodge(0.9),color="black")+
  geom_errorbar(aes(ymax=mean+sd, ymin=mean-sd), width=0.05)+
  geom_segment(aes(x=1, y=2.5, xend=1, yend=3.8))+#绘制control端的竖线
  geom_segment(aes(x=2, y=3.3, xend=2, yend=3.8))+#绘制treatment端竖线
  geom_segment(aes(x=1, y=3.8, xend=1.45, yend=3.8))+
  geom_segment(aes(x=1.55, y=3.8, xend=2, yend=3.8))+#绘制两段横线
  annotate("text", x=1.5, y=3.8, label="*", size=5)#annotate函数也可以添加标签

为图形添加标题

图形标题有图标题、坐标轴标题、图例标题等

p <- ggplot(data=df, aes(x=treatment, y=response, fill=group))+geom_bar(stat = "identity", position = "dodge")+geom_errorbar(aes(ymax=response+se, ymin=response-se), position = position_dodge(0.9), width=0.15)+scale_fill_brewer(palette = "Set1")
#利用ggtitle()添加图标题,还有labs（）也可以添加标题，最后会提一下。（有一个问题就是ggtitle()添加的标题总是左对齐）
p+ggtitle("利用ggtitle()添加图标题")

#利用xlab()\ylab()添加/修改坐标轴标题
p+ggtitle("利用ggtitle()添加图标题")+xlab("不同处理") + ylab("response")#标题的参数修改在theme里，theme是一个很大的函数，几乎可以定义一切，下次有时间会讲解

最后再讲解一下如何将多副图至于一个页面 利用包gridExtra中grid.arrange()函数实现

#将四幅图放置于一个页面中
p <- ggplot(data=df, aes(x=treatment, y=response, fill=group))+geom_bar(stat = "identity", position = "dodge")+geom_errorbar(aes(ymax=response+se, ymin=response-se), position = position_dodge(0.9), width=0.15)+scale_fill_brewer(palette = "Set1")
p1 <- p+ggtitle("利用ggtitle()添加图标题")
p2 <- p+ggtitle("利用ggtitle()添加图标题")+xlab("不同处理") + ylab("response")
p3 <- ggplot(data=df, aes(x=treatment, y=response, fill=group))+geom_bar(stat = "identity", position = "dodge")+geom_errorbar(aes(ymax=response+se, ymin=response-se), position = position_dodge(0.9), width=0.15)+geom_text(aes(y=response+1.5*se,label=label,group=group),position = position_dodge(0.9),size=5,fontface="bold")+scale_fill_brewer(palette = "Set1")
library(gridExtra)#没有安装此包先用install.packages("gridExtra")安装
grid.arrange(p,p1,p2,p3)

上次有人问坐标轴旋转的实现，坐标轴旋转有时是很有用的，下面是我看过的一个例子，用来介绍一下。

#先加载他的数据
url.world_ports <- url("http://sharpsightlabs.com/wp-content/datasets/world_ports.RData")
load(url.world_ports)
head(df.world_ports)  #该数据是关于世界上各个港口的数据汇总

## # A tibble: 6 × 9
##    rank   year continent     economy            port    port_label
##   <int> <fctr>    <fctr>      <fctr>          <fctr>        <fctr>
## 1     1   2014      Asia       China        Shanghai      Shanghai
## 2     2   2014      Asia   Singapore       Singapore     Singapore
## 3     3   2014      Asia       China        Shenzhen      Shenzhen
## 4     4   2014      Asia   Hong Kong       Hong Kong     Hong Kong
## 5     5   2014      Asia       China Ningbo-Zhoushan Ningbo/Z-shan
## 6     6   2014      Asia South Korea           Busan         Busan
## # ... with 3 more variables: lon <dbl>, lat <dbl>, volume <dbl>

library(dplyr)  #用于数据操作，与ggplot2一样是R语言必学包
#现在绘制条形图(%>%上次说过是管道操作，用于连接各个代码，十分有用)
df.world_ports%>%filter(year==2014)%>%  #筛选2014年的数据
  ggplot(aes(x=reorder(port_label, desc(volume)), y=volume))+
  geom_bar(stat = "identity", fill="darkred")+
  labs(title="Busiest container ports in the world")+
  labs(subtitle = '2014, in order of shipping volume')+ #添加副标题
  labs(x = "Port", y = "Shipping\nVolume")+
  theme(axis.text.x = element_text(angle = 90, hjust = 1, vjust = .4))#调整x轴标签，angle=90表示标签旋转90度，从图中可以看出

#现在旋转坐标轴，并筛选排名小于25的港口，并且添加数据标签
df.world_ports %>% filter(year==2014, rank<=25) %>%  #筛选2014年并且rank小于等于25的数据
  ggplot(aes(x=reorder(port, volume), y=volume))+
  geom_bar(stat = "identity", fill="darkred")+
  labs(title="Busiest container ports in the world")+
  labs(subtitle = '2014, in order of shipping volume')+ 
  labs(x = "Port", y = "Shipping\nVolume")+
  geom_text(aes(label=volume), hjust=1.2, color="white")+
  coord_flip()#旋转坐标轴

两图相比，明显第二幅图好，一是可以添加数据标签，二是不用歪着脖子看。

本来打算讲讲图例的但是发现内容太多了，就不讲了，下次吧！