这是我们基础内容的一个合集，我们之前说过，合集不会仅仅说一个帖子，而是将众多的问题一并解决。这里我们首先是复现演示了微信群小伙伴提出的单细胞密度图的作图，从这里出发，我们还演示了柱状图的作法，主要是解决ggplot2作图的时候一些小的细节问题，以及legend的设置等等，顺便我们还演示了一下颜色的提取。总之，对于初学者来说，你可以将其当作一个知识库，需要的时候直接拿来用就好了，不必每做一个图都要查询。
首先是密度图：原文中是这样的！
这个图有什么意义呢。我们在使用seurat中的Dimplot的时候，添加split.by参数，可以可视化每个样本的UMAP，那么这里只是用密度图的方式呈现了。可以看密度深浅就直观的了解细胞多少。我们的复现结果如下：这里主要是针对legend的设置，例如长宽高以及边框，label等等。
也可以用这种方式展示marker基因的表达，可以参考我们之前的内容（单细胞marker基因展示值等高线密度图）。稍微调整一下尺寸，这个图的感觉就和python中scanpy展示的图类似了。
library(ggplot2)
p = FeaturePlot(sce_cca, features = c("Pparg","Pax7", "Pdgfra","Ttn"))
library(cowplot)
plot_grid(plotlist[[1]],plotlist[[2]],plotlist[[3]],
plotlist[[4]],ncol=2)
最后，我们展示了柱状图的做法，主要是作图的细节调整，只要调整到位，你的图那就是NCS级别的。我们这里演示的是多种配色。如果你需要多种基因一起作图，那么只需要使用循环即可。当然了，对于初学者，我们也专门在这里讲解了循环的使用。
pairCol1 <- c("#BBB7B6","#F3A7C5")
pairCol2 <- c("#DCDFE4","#ACA2C7")
pairCol3 <- c("#0E5FC8","#B64E89")
pairCol4 <- c("#D2CDD3","#940E0F")
pairCol5 <- c("#0C1842","#7B614A")
pairCol6 <- c("#83A197","#BBB0DA")
#修改颜色
barplotList <- list()
cols <- list(pairCol1,pairCol2,pairCol3,pairCol4,pairCol5,pairCol6)
for (i in 1:6) {
pp <- p1+scale_fill_manual(values = cols[[i]],
limits=c("Pan","HC"))
barplotList[[i]] <- pp
}
plot_grid(barplotList[[1]],barplotList[[2]],barplotList[[3]],
barplotList[[4]],barplotList[[5]],barplotList[[6]],ncol=3)
这就是今天所有内容了，感兴趣可以学习一下，更多参考：
https://mp.weixin.qq.com/s/D3oRAyfqpoyl8EhvQFPcLQ
