参考：
1.http://www.cookbook-r.com/Graphs/Plotting_means_and_error_bars_(ggplot2)/
2.https://www.zhihu.com/question/24779017/answer/38750383
3.https://zhuanlan.zhihu.com/p/28131878
R画图最重要的两点：1.数据类型;2.数据结构
- 意思是你必须在画图之前弄清楚你的数据类型和结构
0. 初次接触ggplot2可以这样理解：
ggplot2的逻辑其实是真正实现了一个图层叠加的概念：一句语句代表一张图，然后再有最小的单元图层。
ggplot2相比于R基础包的绘图函数的优点：第一，有明确的起始（以ggplot函数开始）与终止（一句语句一幅图）；其二，图层之间的叠加是靠“+”号实现的，越后面其图层越高；其三，绘图更加美观。R基础包的绘图函数没有一个停止绘图的标志，这使得有时候再处理会产生一些困惑。
ggplot2相比于R基础包的绘图函数的缺点：R基础包的绘图函数在做参数修改的时候，我们往往可以很方便地直接用一句单独的命令修改，譬如对于x轴的调整，觉得不满意就可以写命令直接调整。而ggplot2则意味着要重新作图。
1. 总结来说有以下几点：
- ggplot2的核心理念是将绘图与数据分离，数据相关的绘图与数据无关的绘图分离
- ggplot2是按图层作图
- ggplot2保有命令式作图的调整函数，使其更具灵活性
- ggplot2将常见的统计变换融入到了绘图中。
2.ggplot2的要素
ggplot图的元素可以主要可以概括如下：最大的是plot（指整张图，包括background和title），其次是axis（包括stick，text，title和stick）、legend（包括backgroud、text、title）、facet这是第二层次，其中facet可以分为外部strip部分（包括backgroud和text）和内部panel部分（包括backgroud、boder和网格线grid，其中粗的叫grid.major，细的叫grid.minor）。大致见下图，这部分内容的熟悉程度直接影响到对于theme的掌握，因此希望大家留心。
3.ggplot2图层以及其他函数的分类
- ggplot2里的所有函数可以分为以下几类：
- 用于运算（我们在此不讲，如fortify_，mean_等）初始化、展示绘图等命令（ggplot，plot，print等）按变量组图（facet_等）真正的绘图命令（stat_，geom_，annotate），这三类就是实现一个函数一个图层的核心函数。
- 微调图型：严格意义上说，这一类函数不是再实现图层，而是在做局部调整。scale_：直译为标尺，这就是与aes内的各种美学（shape、color、fill、alpha）调整有关的函数。guides：调整所有的text。coord_：调整坐标。theme：调整不与数据有关的图的元素的函数。
4. 绘图
初始化。
ggplot2风格的绘图的第一步就是初始化，说白了就是载入数据空间、选择数据以及选择默认aes。
p <- ggplot(data = , aes(x = , y = ))
- data就是载入你要画的数据所在的数据框，指定为你的绘图环境，载入之后，就可以免去写大量的$来提取data.frame之中的向量。当然，如果你的数据都是向量，也可不指定，但是要在申明中标注data = NULL，不然就会得到不必要的报错。
- 第二个是重头戏，即aes，是美学（aesthetic）的缩写。这是在ggplot2初学者眼里最不能理解的东西，甚至很多老手也会在犹豫，什么时候要把参数写在aes里，什么时候要写在aes外。我们做一个简单的，不非常恰当的解释：任何与数据向量顺序相关，需要逐个指定的参数都必须写在aes里。这之后我们会进一步解释，现在我们初始化的时候，最好只是把关于位置的x和y指定一下就好。
绘制图层。
- 很多人在解释ggplot2的时候喜欢说，ggplot2绘图有两种函数，一类是geom_，绘图用的；一类是stat_，统计变换用的。这样说不是不对，只是很不恰当，很多人就会问出一些问题，比如，统计变换竟然是做运算用的，为什么可以用来画图？为什么stat_bin和geom_histgram画出来的图是一样，竟然一样，为什么要重复？
- 事实上，任何一个ggplot2图层都包括stat和geom俩部分，或者说两个步骤（其实还包括position）。 而stat_identity则表示不做任何的统计变换。
5.绘图模板
我们将上面的代码转换为一个可重用的 ggplot2 绘图模板。要想生成一张图，将以下代码
中的尖括号部分替换为数据集、几何对象函数或映射集合即可:
ggplot(data = <DATA>) +
<GEOM_FUNCTION>(mapping = aes(<MAPPINGS>))
其余内容将向你展示如何完成并扩展这个模板，以制作出各种类型的图。我们将从 <MAPPINGS> 部分开始。
常见的错误
创建 ggplot2 图形时的一个常见问题是将 + 号放错了位置:+ 必须放在一行代码的末尾，而 不是开头。换句话说，请确保你没有粗心地写出以下这样的代码:
ggplot(data = mpg)
+ geom_point(mapping = aes(x = displ, y = hwy))
# Load ggplot2
library(ggplot2)
# import data
WT = c(10.43149292, 7.861843613, 6.410500896)
LPS = c(61.35480134, 104.51002, 39.75195443, 81.71422978)
x <- c(WT,LPS)
group<-c(rep("WT",3),rep("LPS",4))
t.test(x~group, paired = F, var.equal = T)
sd1 = sd(WT)
sd2 = sd(LPS)
sd1
sd2
# create dummy data
data <- data.frame(
Adipoq = c("LPS", "Control"),
TPM = c(71.83275139, 8.234612476),
sd = c(27.71529, 2.036249)
)
# Most basic error bar
ggplot(data) +
geom_bar( aes(x=Adipoq, y=TPM), stat="identity", fill="black", alpha=0.5) +
geom_errorbar( aes(x=Adipoq, ymin=TPM-sd, ymax=TPM+sd), width=0.4, colour="orange", alpha=0.9, size=0.6)
折线图
xlim和ylim为坐标刻度范围
xlab和ylab为坐标标题
lwd line width for drawing symbols
main 为图标题
sub 为图下标题
col.main 为设置图标题颜色
font.main 为设置图标题字体
cel 为symble 大小
lty 为折线类型 1为实线， 2为虚线
# Create data:
a=c(1:5)
b=c(5,3,4,5,5)
c=c(4,5,4,3,1)
# Make a basic graph
plot( b~a , type="b" , bty="l" , xlab="value of a" , ylab="value of b" , col=rgb(0.2,0.4,0.1,0.7) , lwd=3 , pch=17 , ylim=c(1,5) )
lines(c ~a , col=rgb(0.8,0.4,0.1,0.7) , lwd=3 , pch=19 , type="b" )
# Add a legend
legend("bottomleft",
legend = c("Group 1", "Group 2"),
col = c(rgb(0.2,0.4,0.1,0.7),
rgb(0.8,0.4,0.1,0.7)),
pch = c(17,19),
bty = "n",
pt.cex = 2,
cex = 1.2,
text.col = "black",
horiz = F ,
inset = c(0.1, 0.1))
首先要弄清楚数据类型
如果x是连续变量，直接传入即可。如果x是离散变量，此时x需要因子化，并在aes里设定group参数为1
线可以是实线，也可以是点状的，可以用个linetpye进行设定，参数可以选择solid, dashed, dotted等
https://blog.csdn.net/jisuanjiguoba/article/details/73770282
https://blog.csdn.net/zhaozhn5/article/details/79264196
library(ggplot2)
data1 <- read.table("/Users/quyue/Desktop/bm_time_mean.txt", header = T)
datan<-data.frame(data1)
datan$time <- factor(datan$time)
str(datan)
ggplot(datan, aes(x=time, y=mean, color= gene)) +
geom_line(aes(x=time, y=mean, color= gene)) +
geom_point()
# 数据类型不对，画不出线
genename=c("adipoq","adipoq","adipoq","Cebpa","Cebpa","Cebpa","Pparg","Pparg","Pparg","Lpl", "Lpl", "Lpl", "Apoe","Apoe","Apoe","Lepr","Lepr","Lepr","Cebpb","Cebpb","Cebpb","Cebpd","Cebpd","Cebpd")
time=c("-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y","-2w-","2m","2y")
mean=c(2.345460836,
8.234612478,
155.3504286,
12.07346902,
16.47575095,
40.67480404,
3.066193369,
3.714483696,
8.268032454,
38.49995415,
55.91558454,
115.384115,
57.73547038,
86.43911626,
476.6139135,
10.32626271,
49.60748252,
193.2777137,
21.98790658,
74.50810997,
53.91309632,
27.69452274,
51.16709368,
53.91309632)
bmaging=data.frame(genename,time,mean)
bmaging
ggplot(bmaging, aes(x=factor(time), y=mean, colour=genename,group=genename,shape=genename)) +
geom_line(size=0.6) +
geom_point(size=2)
