R柱状图绘制1

#柱状图绘制

sheep=read.csv("TableS1-3.csv", sep=",", header=T, row.names=1)

View(sheep)

objects(sheep)

sheep$name=row.names(sheep)

ggplot(sheep,aes(x=name,y=NROH))+

  geom_bar(stat = "identity",fill="red",col="blue",width=0.5)

#根据区域填充颜色

ggplot(sheep,aes(x=name,y=NROH,fill=Continent))+

  geom_bar(stat = "identity")+theme(axis.text.x = element_text(angle = 90, hjust = 1))

View(sheep)

#柱状图绘制

sheep8=read.csv("TableS1-8.csv", sep=",", header=T, row.names=1)

View(sheep8)

objects(sheep8)

sheep8$Breeds=row.names(sheep8)

sheep8$code=row.names(sheep8)

ggplot(sheep8,aes(x=name,y=NROH))+

  geom_bar(stat = "identity",fill="red",col="blue",width=0.5)

#根据区域填充颜色

ggplot(sheep8,aes(x=breed,y=NROH,fill=Continent,))+

  geom_bar(stat = "identity")+theme(axis.text.x = element_text(angle = 90, hjust = 1))

#改变柱形图的顺序

install.packages("ggthemes")

library(ggthemes)

p1=ggplot(sheep8,aes(reorder(x=Breeds,N),y=NROH,fill=Continent))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand = c(0,0),limits=c(0,1500))+

  theme(axis.text.x = element_blank())

p2=ggplot(sheep8,aes(reorder(x=Breeds,N),y=FROH,fill=Continent))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand = c(0,0),limits=c(0,0.25))+

  theme(axis.text.x = element_blank())+labs(x=NULL)

#ggplot堆积柱形图(continent)

sheep4=read.csv("TableS1-7.csv", sep=",", header=T, row.names=1)

View(sheep7)

objects(sheep7)

sheep7$continet=row.names(sheep7)

sheep9=melt(sheep7,id="continet")

View(sheep9)

objects(sheep9)

p3=ggplot(sheep9,aes(x=continet,y=value,fill=variable))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+

  theme(panel.grid=element_blank())+

  scale_y_continuous(expand = c(0,0))+

  theme(axis.text.x = element_blank())

#ggplot堆积柱形图(breeds)

sheep6=read.csv("TableS1-6.csv", sep=",", header=T, row.names=1)

View(sheep6)

objects(sheep6)

sheep6$breed=row.names(sheep6)

sheep10=melt(sheep6,id="breed")

View(sheep10)

objects(sheep10)

p4=ggplot(sheep10,aes(x=breed,y=value,fill=variable))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+

  theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand = c(0,0))

sheep6=read.csv("TableS1-6.csv", sep=",", header=T, row.names=1)

View(sheep6)

objects(sheep6)

sheep6$breed=row.names(sheep6)

sheep10=melt(sheep6,id="N")

View(sheep10)

objects(sheep10)

p4=ggplot(sheep10,aes(x=N,y=value,fill=variable))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+

  theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand = c(0,0))+

  theme(axis.text.x = element_blank())+labs(x=NULL)

library(patchwork)

p4/p2/p1

p1=ggplot(sheep8,aes(reorder(x=Breeds,N),y=NROH,fill=Continent))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+

  theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand = c(0,0),limits=c(0,1500))+labs(x=NULL)


p2=ggplot(sheep8,aes(reorder(x=Breeds,N),y=FROH,fill=Continent))+

  geom_bar(stat = "identity",width=0.5)+

  theme_bw()+theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand = c(0,0),limits=c(0,0.25))+

  theme(axis.text.x = element_blank())+labs(x=NULL)

p4=ggplot(sheep10,aes(x=N,y=value,fill=variable))+

  geom_bar(stat = "identity",width=0.5)+theme_bw()+

  theme(panel.grid=element_blank())+

  theme(axis.text.x=element_text(angle = 90, hjust = 1))+

  scale_y_continuous(expand =c(0,0))+

  theme(axis.text.x = element_blank())+labs(x=NULL)

©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 213,558评论 6 492
  • 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 91,002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 159,036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 57,024评论 1 285
  • 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 66,144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 50,255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 39,295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 38,068评论 0 268
  • 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 44,478评论 1 305
  • 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 36,789评论 2 327
  • 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 38,965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 34,649评论 4 336
  • 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 40,267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 30,982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 32,223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 46,800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 43,847评论 2 351

推荐阅读更多精彩内容