8.3.3 条形图相关操作

1、条形宽度和间距调整 geom_bar()函数中width调整条形宽度，默认值为0.9，取值范围0-1；簇状条形图默认组内条形间距为0，要调整组内条形间距可将width设定小一些，并令position_dodge()的取值大于width。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +  geom_bar(stat = "identity") # 默认的是0.9。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +  geom_bar(stat = "identity", width = 0.5) # width调整为0.5。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1, fill = nitrogen)) +  geom_bar(stat = "identity", width = 1) # width取值最大只能是1。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1, fill = variety)) +  geom_bar(stat = "identity", position = "dodge") # 分组柱状图，position=position_dodge()默认参数是0.9。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1, fill = variety)) +  geom_bar(stat = "identity", width = 0.5, position = position_dodge(0.7)) # 同时设定width和position_dodge()调整组内间距。

2、x轴分组顺序调整
对于 X轴变量为类别型的数据，使用ggplot2包绘图时，会默认将X轴类别按照字母顺序绘制柱形。一般推荐对数据进行降序处理后，再展示图表，这样，更加方便观察数据规律，确定某个类别对应的数值在整个数据范围的位置。scale_x_discrete()函数中的limits参数可调整分类变量顺序。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +  geom_bar(stat = "identity") # 基础图。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  scale_x_discrete(limits = c("N2", "N4", "N1", "N3")) # 调整分组顺序。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  scale_x_discrete(limits = rev(levels(factor(data1$nitrogen)))) # 反转因子顺序。

3、数据标签添加geom_text()函数可映射要添加的数据标签。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  geom_text(aes(label = v1)) # 添加数据标签。

为什么会出现重叠，因为我的数据没有进行统计。不是用均值进行绘图的。

data1 %>%
  group_by(nitrogen) %>%
  summarise(mean_v1 = mean(v1), sd_v1 = sd(v1)) %>%
  ggplot(aes(x = nitrogen, y = mean_v1)) +
  geom_bar(stat = "identity") +  geom_text(aes(label = round(mean_v1, 2)), vjust = -0.5) # 添加数据标签。

4、x和y轴互换 coord_flip()函数用于反转坐标轴。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +  geom_bar(stat = "identity") # 基础图。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  coord_flip() # 翻转坐标轴。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +
  coord_flip() +  scale_x_discrete(limits = rev(levels(factor(data1$nitrogen)))) # 翻转坐标轴并翻转因子顺序。

5、刻度位置调整
标度函数scale_y_continuous()中的breaks用于调整刻度线位置。ggplot柱形图纵坐标起始不是从0开始的，即x轴与图柱之间有间隙，可在 scale_y_continuous()中调整expand参数。 要调整y轴范围，可通过ylim()实现，也可以在scale_y_continuous()中设定limits参数。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +  geom_bar(stat = "identity") # 基础图。y轴刻度0到15，间隔单位5。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  scale_y_continuous(breaks = c(0, 5, 8, 10, 12, 15, 18)) # 调整为自定义刻度。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  scale_y_continuous(expand = c(0, 0)) # 调整y轴从0开始，去除与x轴的间隙。

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  scale_y_continuous(expand = c(0, 0), limits = c(0, 1.8)) # 开始，去除与x轴的间隙。

## Warning: Removed 44 rows containing missing values (`geom_bar()`).

data1 %>%
  ggplot(aes(x = nitrogen, y = v1)) +
  geom_bar(stat = "identity") +  ylim(0, 2) # 设置y阈值为0-2。

## Warning: Removed 44 rows containing missing values (`geom_bar()`).

6、添加误差线geom_errorbar()函数将变量映射到ymin和ymax的值即可。

data1 %>%
  group_by(nitrogen) %>%
  summarise(mean_v1 = mean(v1), sd_v1 = sd(v1)) %>%
  ggplot(aes(x = nitrogen, y = mean_v1)) +
  geom_bar(stat = "identity") +  geom_errorbar(aes(ymin = mean_v1 - sd_v1, ymax = mean_v1 + sd_v1), width = 0.2)

7、添加显著性结果 假设我已经对数据data1进行了单因素方差分析，经分析四个氮水平的差异显著性用字母标注是c,ab,b,a。

data1 %>%
  group_by(nitrogen) %>%
  summarise(mean_v1 = mean(v1), sd_v1 = sd(v1)) %>%
  ggplot(aes(x = nitrogen, y = mean_v1)) +
  geom_bar(stat = "identity") +
  geom_errorbar(aes(ymin = mean_v1 - sd_v1, ymax = mean_v1 + sd_v1), width = 0.2) +  geom_text(aes(x = nitrogen, y = mean_v1 + sd_v1 + 0.2, label = c("c", "ab", "b", "a")), size = 3, fontface = "bold")

ggpubr包添加显著性标识

library(ggpubr) # 调用ggpubr包。compare_means(v1 ~ nitrogen, data = data1, method = "t.test") # 先根据分组进行t检验。

## # A tibble: 6 × 8
##   .y.   group1 group2          p     p.adj p.format p.signif method
##   <chr> <chr>  <chr>       <dbl>     <dbl> <chr>    <chr>    <chr> 
## 1 v1    N1     N2     0.000225   0.0011    0.00023  ***      T-test
## 2 v1    N1     N3     0.00130    0.0052    0.00130  **       T-test
## 3 v1    N1     N4     0.00000118 0.0000071 1.2e-06  ****     T-test
## 4 v1    N2     N3     0.652      0.65      0.65232  ns       T-test
## 5 v1    N2     N4     0.0717     0.14      0.07171  ns       T-test## 6 v1    N3     N4     0.0354     0.11      0.03545  *        T-test

data1 %>%
    ggplot(aes(x = nitrogen, y = v1)) +
    geom_bar(stat = "identity") + 
  stat_compare_means(comparisons = list(c("N1", "N2"), 
                                        c("N2", "N3"), 
                                        c("N3", "N4")), 
                     method = "t.test", 
                     label = "p.format",                      label.y = c(15, 17, 19))  # 根据检验结果添加显著性结果。

## [1] FALSE

参考资料

1. ggplot2: 数据分析与图形艺术，西安交通大学出版社，2013.

2. R语言数据可视化之美：专业图表绘制指南，电子工业出版社，2019.

3. R数据科学，人民邮电出版社，2018.

4. R数据可视化手册，人民邮电出版社，2014.

- END -

本文使用 文章同步助手 同步