R语言开发之输出折线图的操作-开发语言

这篇文章主要介绍了R语言开发之输出折线图的操作，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

线形图是通过在多个点之间绘制线段来连接一系列点所形成的图形，这些点按其坐标(通常是x坐标)的值排序，并且它通常用于识别数据趋势。

在R中的通过使用plot()函数来创建线形图，语法如下：


plot(v,type,col,xlab,ylab)

参数描述如下：

v - 是包含数值的向量。

type - 取值“p”表示仅绘制点，“l”表示仅绘制线条，“o”表示仅绘制点和线。

xlab - 是x轴的标签。

ylab - 是y轴的标签。

main - 是图表的标题。

col - 用于绘制点和线两种颜色。

我们接下来尝试使用输入向量和类型参数为“O”创建一个简单的折线图，如下：

运行结果为：

我们再来通过使用附加参数来扩展折线图的功能，例如可以向点和线添加颜色，给图表标题，并在轴上添加标签，如下：

运行结果为：

最后再来尝试使用lines()函数在同一个图表上绘制多个线条，在绘制第一行之后，lines()函数可以使用附加向量作为输入来绘制图表中的第二行，如下：

运行结果为：

好啦，本次记录就到这里了。

补充：R语言基础图形绘制——折线图

简介

折线图通常用来对两个连续变量之间的相互依存关系进行可视化。x轴可以是连续型变量，也可以是离散型变量。生物学中，通常用来表示不同药物剂量下实验对象的变化，或者是基因在不同类型组织或细胞中的表达模式。

1. 基础函数

简单示例：使用plot()函数，改变参数type，更多类型请查看帮助文档。


# 查看作图数据
BOD
# Time demand
# 1 1 8.3
# 2 2 10.3
# 3 3 19.0
# 4 4 16.0
# 5 5 15.6
# 6 7 19.8
op <- par(no.readonly = T)
library(dplyr)
library(tidyverse)
par(mfrow = c(2,2))
BOD %>% {
 plot(demand ~ Time,data = .,type = "l",main = "A")
 plot(demand ~ Time,data = .,type = "b",main = "A")
 plot(demand ~ Time,data = .,type = "s",main = "A")
 plot(demand ~ Time,data = .,type = "o",main = "A")
}
par(op)

目前，基础函数绘制多个分组折线图，需要借助lines()函数。


op <- par(no.readonly = T)
library(dplyr)
library(tidyverse)
par(mar = c(rep(4,4)))
BOD %>% {
 plot(demand ~ Time,data = .,type = "l",col = "red",lwd = 2)
 lines(1:7,seq(8,20,length.out = 7),col = "steelblue",lwd = 2)
}
par(op)

多个分组时，可以借助for循环实现。

2. ggplot()函数

不加任何参数绘制简单折线图。


library(ggplot2)
BOD %>% {
 ggplot(.,aes(Time,demand))+geom_line()
}


library(ggplot2)
library(patchwork)
BOD %>% {
 p1 <- ggplot(.,aes(Time,demand))+geom_line()
 p2 <- ggplot(.,aes(factor(Time),demand,group = 1))+geom_line()
 p1 + p2
}

为了比较因子型和连续型变量的不同，我们将两张图放在一起，可以发现右图中并没有6这个水平。当 x 对应于因子型变量时，必须使用命令 aes(group=1) 以确保 ggplot() 知道这些数据点属于同一个分组，从而应该用一条折线连在一起。

相比于基础函数，ggplot绘制分组折线图简直不要太方便。%>%是管道符，需要加载dplyr包，**{}也可以理解为管道符，.**代表上一级生成的数据，p1 + p2 需要加载patchwork拼图包。


library(plyr)
ToothGrowth %>% 
 ddply(c("supp", "dose"), summarise, length=mean(len)) %>% {
 p1 <- ggplot(.,aes(x=dose, y=length, colour=supp)) + geom_line()
 p2 <- ggplot(.,aes(x=dose, y=length, linetype=supp)) + geom_line()
 p1 + p2
 }

如图，分别将supp映射给了颜色和线条类型。

如果要添加数据点等其他类型，可以通过geom系列函数实现。

来吧，实践吧！

3. 实践

我使用的是自己的小鼠早期胚胎卵母细胞到8细胞各时期的测序数据，挑选了大约3300个基因。纵坐标使用的是log2(FPKM)值。

一起来看看ggplot绘制分组折线图有多方便吧

首先需要将数据组织成长数据格式。


head(oo1_long)


x <- length(unique(oo1_long$t))
ggplot(data=oo1_long, aes(x=variable, y=value, group=t)) +
 geom_line(alpha = oo1_long$alpha,color = oo1_long$color,size = oo1_long$size)+
 theme_bw()+
 scale_y_continuous(expand = c(0,0))+
 scale_x_discrete(expand = c(0,0))+
 ylab(label = "log2(fpkm)")+
 xlab(label = "")+
 geom_text(aes(4,10.2,label =paste("cluster1-1", x-1 , sep = '\n')))