nature microbiology图表复现之聚类条形图

本节来复现nature microbiology上的一张带聚类的条形图,图均基于ggplot2,ggtree,通过jjAnno很轻松的添加了阴影,下面来进行具体介绍,数据代码已经上传VIP交流群

Fusarium fruiting body microbiome member Pantoea agglomerans inhibits fungal pathogenesis by targeting lipid rafts

加载R包

library(tidyverse)
library(RColorBrewer)
library(ggtree)
library(aplot)
library(grid)
library(ggplotify)
library(cowplot)
# devtools::install_github("junjunlab/jjAnno")
library(jjAnno)

关于jjAnno更多详细的内容可点击下方链接https://mp.weixin.qq.com/s/CVXsJPPx12saw0WYiReQag

定义Y轴文本颜色

ycols <- rev(rep(c("#EDB749","#3CB2EC","#9C8D58"),time=c(13,13,13)))

绘制条形图

p1 <- read_tsv("data.xls") %>% 
  ggplot(aes(Abundance,id,fill=Phylum),color="black")+
  geom_bar(stat="identity",position="fill")+
  labs(x=NULL,y=NULL)+
  theme_test()+
  theme(axis.title.x=element_blank(),
        axis.ticks.y=element_blank(),
        axis.ticks.x=element_blank(),
        axis.text.y=element_text(face = "bold",size = 10,color=ycols),
        axis.text.x=element_text(color="black",size=10),
        legend.title=element_blank(),
        legend.text = element_text(color=c(rep("#3CB2EC",4),rep("#EDB749",8))),
        legend.spacing.x=unit(0.2,'cm'),
        legend.key=element_blank(),
        legend.key.width=unit(0.5,'cm'),
        legend.key.height=unit(0.5,'cm'),
        plot.margin = margin(1,0.5,0.5,1,unit="cm"))+
  scale_fill_brewer(palette="Paired")+
  scale_x_continuous(expand=c(0,0))+
  coord_cartesian(clip = 'off')

添加阴影

p2 <- annoRect(object = p1,annoPos = 'left',aesGroup = T,
               aesGroName = 'Group',
               xPosition = c(-0.25,-0.005),
               pFill =rev(c("#FCFAD9","#FFF2E7","#E8F2FC","#BDE7FF","#EEECE1","#DDD9C3")),
               pCol =rev(c("#FCFAD9","#FFF2E7","#E8F2FC","#BDE7FF","#EEECE1","#DDD9C3")),
               rectWidth = 1)

数据清洗

p <- read_tsv("data.xls") %>% select(-Group) %>% filter(Phylum !="Other") %>% 
  pivot_wider(names_from="Phylum",values_from ="Abundance") %>% 
  column_to_rownames(var="id")

导入分组信息

group <- read_tsv("data.xls") %>% select(id,Group)

进行聚类

hr <- hclust(dist(p)) %>% ggtree(layout="rectangular",branch.length="none") %<+% group+
  geom_tippoint(aes(fill=Group,color=Group),shape=21,size=4)+
  theme(legend.title = element_blank(),legend.key = element_blank(),
        legend.text = element_text(color=c(rep("#EDB749",3))))+
  scale_fill_manual(values =c("#BDE7FF","#EEECE1","#DDD9C3"))+
  scale_color_manual(values =c("#BDE7FF","#EEECE1","#DDD9C3"))

拼图

p2 %>% insert_left(hr,width=.5) %>% as.grob() %>% ggdraw()

本节介绍到此结束,可以看到小细节还是蛮多的,使用jjAnno后添加阴影背景的确方便很多,有需要的观众老爷欢迎关注我的公众号R语言数据分析指南,请备注一下信息及来意,绝让你体会到物超所值

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,711评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,079评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 159,194评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,089评论 1 286
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,197评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,306评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,338评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,119评论 0 269
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,541评论 1 306
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,846评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,014评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,694评论 4 337
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,322评论 3 318
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,026评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,257评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,863评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,895评论 2 351

推荐阅读更多精彩内容