图数据可视化——R语言ggplot2包和tidybayes包绘制小提琴图进阶
概述:绘制小提琴图时按数据分布的密度填充不同透明度的颜色(渐变填充)。
使用工具:R语言中的ggplot2和tidybayes工具包
本文使用的数据及计算方式与之前的博文一致:数据可视化——R语言ggplot2包绘制精美的小提琴图(并箱线图或误差条图组合)。
本文采用tidybayes包中stat_eye()绘制小提琴图,通过设置aes(alpha = stat(f)可实现渐变填充。由于stat_eye()会默认采用中位数及分位数作为误差条,本文采用均值±标准差的形式呈现误差条,因此屏蔽了stat_eye()默认的误差条显示:设置show_interval = FALSE。与前文一致,本文也用tidybayes包绘制分半的小提琴图,并渐变填充。
小提琴图结合误差条图用于表达数据的代码如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 | rm(list=ls()) #清除工作区 library(ggplot2) set.seed(1234) #生成模拟数据 Group <- rep(c("group1","group2"),each=200) #组别变量 Group <- factor(Group) #组别因子化 Attribute <- c(rep("Attribute_1",100),rep("Attribute_2",100),rep("Attribute_1",100),rep("Attribute_2",100)) #每个组别的两个属性 Attribute <- factor(Attribute) #属性因子化 value <- c(rnorm(100)+1,rnorm(100)+2,rnorm(100)+1.2,rnorm(100)+1.5) #随机赋值 Data <- data.frame(Group=Group,Attribute=Attribute,value=value) #生成数据框 #对数据进行统计的函数 #指定分组变量和求值变量后,可计算出不同分组变量(或分组变量间的组合)对应的求值变量的均值,标准差,标准误,置信区间ci #汇总数据 #计算出计数,平均值,标准差,均值的标准误差和置信区间(默认为95%) #data:一个数据框 #measurevar:包含要汇总的变量的列的名称 #groupvars:包含分组变量的列名称的向量 #na.rm:一个布尔值,表示是否忽略NA ## conf.interval:置信区间的百分比范围(默认为95%) ## Summarizes data. ## Gives count, mean, standard deviation, standard error of the mean, and confidence interval (default 95%). ## data: a data frame. ## measurevar: the name of a column that contains the variable to be summariezed ## groupvars: a vector containing names of columns that contain grouping variables ## na.rm: a boolean that indicates whether to ignore NA's ## conf.interval: the percent range of the confidence interval (default is 95%) summarySE <- function(data=NULL, measurevar, groupvars=NULL, na.rm=FALSE, conf.interval=.95, .drop=TRUE) { library(plyr) # New version of length which can handle NA's: if na.rm==T, don't count them length2 <- function (x, na.rm=FALSE) { if (na.rm) sum(!is.na(x)) else length(x) } # This does the summary. For each group's data frame, return a vector with # N, mean, and sd datac <- ddply(data, groupvars, .drop=.drop, .fun = function(xx, col) { c(N = length2(xx[[col]], na.rm=na.rm), mean = mean (xx[[col]], na.rm=na.rm), sd = sd (xx[[col]], na.rm=na.rm) ) }, measurevar ) # Rename the "mean" column datac <- rename(datac, c("mean" = measurevar)) datac$se <- datac$sd / sqrt(datac$N) # Calculate standard error of the mean # Confidence interval multiplier for standard error # Calculate t-statistic for confidence interval: # e.g., if conf.interval is .95, use .975 (above/below), and use df=N-1 ciMult <- qt(conf.interval/2 + .5, datac$N-1) datac$ci <- datac$se * ciMult return(datac) } #依据分组对vale进行统计 Data_summary <- summarySE(Data, measurevar="value", groupvars=c("Group","Attribute")) P1 <- ggplot(Data, aes(x=Group, y=value,fill=Attribute)) + stat_eye(aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE, position=position_dodge(0.9)) + #alpha = stat(f)表示按照数据分布密度选择不同同透明度的颜色填充 geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.9),size=1.5)+ #绘制均值为点图 geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #误差条表示均值±标准差 width=0.1, #误差条末端短横线的宽度 position=position_dodge(0.9), color="black", alpha = 0.7, size=0.5) + scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #设置填充的颜色 theme_classic()+ theme(legend.position="none") #不需要图例 P1 jpeg(file = "results_Value_1.jpg",width =1600,height = 2000,units = "px",res =300) #结果保存 print(P1) dev.off() |
效果如如下:
渐变填充的小提琴图
分半的小提琴图结合误差条图的代码如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 | P2 <- ggplot(Data, aes(x=Group, y=value,fill=Attribute)) + stat_halfeye(data = Data[Attribute == "Attribute_1",],aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE,side = "left", width = 0.4) + stat_halfeye(data = Data[Attribute == "Attribute_2",],aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE,side = "right", width = 0.4) + geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.5),size=1.5)+ #绘制均值为点图 geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #误差条表示均值±标准差 width=0.1, #误差条末端短横线的宽度 position=position_dodge(0.5), color="black", alpha = 0.7, size=0.5) + scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #设置填充的颜色 theme_classic()+ theme(legend.position="none") #不需要图例 P2 jpeg(file = "results_Value_2.jpg",width =1600,height = 2000,units = "px",res =300) #结果保存 print(P2) dev.off() |
效果图如下:
渐变填充的分半小提琴图
绘制分半小提琴图时,Attribute_1的数据采用左半边显示,Attribute_2的数据采用右半边显示,因此,绘制时分两次绘制,但需要控制每次输入的数据,如绘制左边时,仅将Attribute == "Attribute_1"的数据作为输入。
tidybayes包提供了多种用于表示数据分布的绘图方式,包括:小提琴图,分半小提琴图,概率密度图、直方图等多种形式,还可以灵活设置垂直方向或水平方向显示。示例图如下所示。
tidybayes包的更多学习资料请参考:https://mjskay.github.io/tidybayes/articles/slabinterval.html
tidybayes包中各种数据呈现方式
采用tidybayes包中的stat_ gradient interval()呈现数据的方式如下:
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 | P3 <- ggplot(Data, aes(x=Group, y=value,fill=Attribute)) + stat_gradientinterval(aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE,position=position_dodge(0.5), width = 0.5) + geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.5),size=1.5)+ #绘制均值为点图 geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #误差条表示均值±标准差 width=0.1, #误差条末端短横线的宽度 position=position_dodge(0.5), color="black", alpha = 0.7, size=0.5) + scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #设置填充的颜色 theme_classic()+ theme(legend.position="none") #不需要图例 P3 jpeg(file = "results_Value_3.jpg",width =1600,height = 2000,units = "px",res =300) #结果保存 print(P3) dev.off() |
效果图如下:
tidybayes包中的gradient interval图
References
- Slab + interval stats and geoms:https://mjskay.github.io/tidybayes/articles/slabinterval.html