R 学习 - 散点图
生活随笔
收集整理的這篇文章主要介紹了
R 学习 - 散点图
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
散點圖
散點圖在生物信息分析中是應用比較廣的一個圖，常見的差異基因火山圖、功能富集分析泡泡圖、相關性分析散點圖、抖動圖、PCA樣品分類圖等。凡是想展示分布狀態(tài)的都可以用散點圖。
橫縱軸都為數字的散點圖解析
繪制散點圖的輸入一般都是規(guī)規(guī)矩矩的矩陣，可以讓不同的列分別代表X軸、Y軸、點的大小、顏色、形狀、名稱等。
輸入數據格式 (使用火山圖的輸入數據為例)
火山圖需要的數據格式如下
- id: 不是必須的，但一般的軟件輸出結果中都會包含，表示基因名字。
- log2FoldChange: 差異倍數的對數，一般的差異分析輸出結果中也會給出對數處理的值, 因此程序沒有提供這一步的計算操作。
- padj: 多重假設檢驗矯正過的差異顯著性P值；一般的差異分析輸出結果為原始值，程序提供一個參數對其求取負對數。
- significant: 可選列，標記哪些基因是上調、下調、無差異；若無此列或未在參數中指定此列，默認程序會根據padj列和log2FoldChange列根據給定的閾值自動計算差異基因，并作出不同顏色的標記。
- label: 可選列，一般用于在圖中標記出感興趣的基因的名字。非-行的字符串都會標記在圖上。
繪制散點圖，只需要指定X軸和Y軸，再加上geom_point即可。
library(ggplot2) p <- ggplot(volcanoData, aes(x=log2FoldChange, y=padj)) p <- p + geom_point() # 前面是給p不斷添加圖層的過程 # 單輸入一個p是真正作圖 # 前面有人說，上面都輸完了，怎么沒出圖 # 就因為差了一個p p說好的火山圖的例子，但怎么也看不出噴發(fā)的態(tài)勢。
對數據坐下預處理，差異大的基因padj小，先對其求取負對數，所謂負負得正，差異大的基因就會處于圖的上方了。
# 從示例數據中看到，最小的padj值為0，求取負對數為正無窮。 # 實際上padj值小到一個點對我們來講就是個數 # 所以可以給所有小于1e-6的padj都讓其等于1e-6，再小也沒意義 # volcanoData[volcanoData$padj<1e-6, "padj"] <- 1e-6 volcanoData$padj <- (-1)* log10(volcanoData$padj)數據中基因的上調倍數遠高于下調倍數，使得出來的圖是偏的，這次畫圖時調整下X軸的區(qū)間使圖對稱。
p <- ggplot(volcanoData, aes(x=log2FoldChange, y=padj)) +geom_point() +xlim(-4.7, 4.7) p有點意思了，數據太少不明顯，下一步加上顏色看看。
p <- ggplot(volcanoData, aes(x=log2FoldChange, y=padj)) +geom_point(color=significant) +xlim(-4.7, 4.7) p利用現(xiàn)有的數據，基本上就是這個樣子了。雖然還不太像，原理都已經都點到了。
盜取火山圖繪制一文中的圖來顯示個真正的火山圖吧。這樣一步步繪制很麻煩，去看一步法吧。
橫縱軸都為字符串的散點圖展示
輸入數據格式如下
這個數據是前面講到的FASTQC結果總結中的直觀的查看所有樣品測序堿基質量和GC含量的散點圖的示例數據。
fastqc<-"ID;GC_quality;Base_quality ehbio_1_1;PASS;PASS ehbio_1_2;PASS;PASS ehbio_2_1;WARN;PASS ehbio_2_2;WARN;PASS Other_1_1;FAIL;FAIL Other_1_2;FAIL;FAIL"fastqc_data <- read.table(text=fastqc, sep=";", header=T) # 就不查看了 p <- ggplot(fastqc_data, aes(x=GC_quality, y=Base_quality)) + geom_point() p六個點少了只剩下了3個，重疊在一起了，而且也不知道哪個點代表什么樣品。這時需要把點抖動下，用到一個包ggbeeswarm，抖動圖的神器。
library(ggbeeswarm) p <- ggplot(fastqc_data, aes(x=GC_quality, y=Base_quality)) + geom_quasirandom() # 使用geom_text增加點的標記 # label表示標記哪一列的數值 # position_quasirandom獲取點偏移后的位置 # xjust調整對齊方式; hjust是水平的對齊方式，0為左，1為右，0.5居中，0-1之間可以取任意值。vjust是垂直對齊方式，0底對齊，1為頂對齊，0.5居中，0-1之間可以取任意值。 # check_overlap檢查名字在圖上是否重疊 p <- p + geom_text(aes(label=ID), position=position_quasirandom(),hjust=0, check_overlap=T) p一網打進散點圖繪制
假如有一個輸入數據如下所示(存儲于文件scatterplot.xls中)
Samp Gene1 Gene2 Color Size GC_quality Base_quality a 1 1 grp1 10 PASS PASS b 2 2 grp1 10 PASS PASS c 1 3 grp1 10 WARN PASS d 3 1 grp2 15 WARN WARN e 2 2 grp2 15 PASS WARN f 3 3 grp3 5 PASS PASS g 2 1 grp3 5 WARN PASS想繪制樣品在這兩個Gene為軸的空間的分布，并標記樣品的屬性，只需要運行如下命令
# -f: 指定輸入文件，列數不限，順序不限; 第一行為列名字，第一列無特殊要求，必選 # -X: 指定哪一列為X軸信息，必選 # -Y: 指定哪一列為Y軸信息，必選 # -c: 指定用哪一列標記顏色，可選 # -s: 指定哪一列標記大小，一般為數字列，可選 # -S: 指定哪一列標記形狀，可選 # -L: 指定哪一列用來作為文本標記 # -w, -u: 指定圖的長寬 sp_scatterplot2.sh -f scatterplot.xls -X Gene1 -Y Gene2 -c Color -s Size -S GC_quality -L Samp -w 10 -u 10如果橫縱軸為字符串，且有重復, 則需指定參數-J TRUE以錯開重疊的點，具體如下
# -O: 指定X軸變量的順序, 默認是字母順序 # 其它列或其它屬性的順序也可以用相應的方式指示，具體看程序的幫助提示 # -c Gene1: 用特定基因的表達對點著色，單細胞分析圖中常用 # -J TRUE: 見上 # -Z FALSE：默認使用geom_text_repel添加點的標記，及其智能，不會出現(xiàn)標簽過多覆蓋的情況 # 但對jitterplot，會有些沖突，所以在`-J TRUE`且出來的圖中點的標簽不符合預期時，設定 # 次參數為FALSE，使用geom_text標記點。sp_scatterplot2.sh -f scatterplot.xls -X GC_quality -Y Base_quality -O "'WARN', 'PASS'" -c Gene1 -w 10 -u 10 -J TRUE -L Samp -Z FALSE只有想不到，沒有做不到，sp_scatterplot2.sh還可以完成更多你想做的散點圖，而且只需調參數，無需改代碼，簡單可重用。
轉發(fā)獲取，不用再重復了Reference
- http://blog.genesino.com//2017/07/scatterPlot
生信寶典公眾號, 幾千人一起學生信
https://mp.weixin.qq.com/s/c2nwATMwyU_9FgLprqmQ5A
總結
以上是生活随笔為你收集整理的R 学习 - 散点图的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 计算坐标点的距离计算机公式,计算两个GP
- 下一篇： 苹果电脑上超级好用的双栏文件管理器Com