本期内容为[跟着“基迪奥生物学”作图]--截断图
--该教程是来自《基迪奥生物》，自己也做了小小的整理，受到很多同学的喜爱。也是最实用的图形之一。本息分享间其归纳到[R语言可视化-精美图形绘制系列]。
是小杜好友的可以直接和小杜索要源代码和实例数据，我希望的是：交流（Communication）！！
代码部分：
- 此部分可看我们的个人喜好进行设置，是可选项。
## 自定义主题
## 合并上面的参数，将其合并成mythemel
mytheme1 <- theme(panel.background = element_blank(),
axis.ticks.length=unit(1.6,"mm"),
plot.margin=unit(x=c(top.mar,right.mar,botton.mar,left.mar),
units="inches"))
#自定义主题2；
#隐藏纵轴，并对字体样式、坐标轴的粗细、颜色、刻度长度进行限定；
mytheme2<-theme_classic()+
theme(text=element_text(family = "sans",colour ="gray30",size = 12),
axis.line = element_line(size = 0.6,colour = "gray30"),
axis.ticks = element_line(size = 0.6,colour = "gray30"),
axis.ticks.length = unit(1.5,units = "mm"),
plot.margin=unit(x=c(top.mar,right.mar,botton.mar,left.mar),
units="inches"))
- 导入数据
## 导入数据
df <- read.csv("data.csv", header = T)
head(df)
##
library(ggbeeswarm)
library(ggplot2)
- 绘图
ggplot(df, aes(x = Gene, y = Exp, fill = factor(Time)))+
geom_bar(position = position_dodge(0.8), ## position_dodge()增加柱子间隙
width = 0.7, ## width参数可更改柱子宽度
stat = "identity",
color = "black")+
## 添加误差线
geom_errorbar(aes(ymin=Exp-SE, ymax=Exp+SE),
position=position_dodge(0.8) ## 与上一步的position_dodge()参数一致，误差线则居中
,width = 0.5, ## 宽度
colour = "black", size = 0.6)+
scale_y_continuous(limits = c(0,14), ## 使用scale_y_continuous定义“断点”之前的标签
breaks = c(0,0.5,1,1.5,2),
label = c("0","0.5","1","1.5","2"))+ ## 添加下面图形的y轴坐标
scale_y_break(c(2.0,5.0), ## 截断的距离
scales = "free", ## scales参数“free" or "fixed"
ticklabels = c(5.0,7.0,9.0,11,14),
expand = expansion(add = c(0,0)),
space = 0.25)+ ## 上下图的距离
theme_classic()+
scale_fill_brewer(palette = "Accent")+ ## 添加柱子颜色
### 添加标签
labs(fill = "Time(h)",x = "", y = "Expression level")+
theme(text = element_text(size=12))+
## 更改横纵坐标轴中的字体颜色、大小
theme(axis.text.x = element_text(color = "black",size = 10),
axis.text.y = element_text(color = "black",size = 10))
07-[R语言可视化-精美图形绘制系列]--Mental分析
08-[R语言可视化-精美图形绘制系列--复杂热图+两图渐变连线]-【转载】
09-[R语言可视化-精美图形绘制系列--桑基图（Sankey）]
10-[R语言可视化-精美图形绘制系列--柱状图误差线标记]
12-[R语言可视化-精美图形绘制系列--GO、KEGG富集通路关联图]
--
小杜的生信筆記 ，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料！
