原文章来源链接：https://brucezhaor.github.io/blog/2016/06/13/excel2ggplot/
原文章作者：BruceZhaoR(RStats, interested in Statistics Models, Machine/Deep Learning, Data visualization, High Performance Computing ...)
作者主页：https://github.com/BruceZhaoR

excel作为一个强大的统计工具，自身包含着一部分数据可视化的功能。R作为可视化的大势，自然也可以画出这些图，有一篇就通过ggplot2包进行了部分总结，甚是有趣，小编复刻学习了一番，现对代码做简单注释，以作分享。

关于excel,ppt，你还可以get

Excel改变了你的基因名，30% 相关Nature文章受影响，NCBI也受波及

推荐 3 个超赞的 EXCEL 插件，让你 5 分钟从小白变大神

你和PPT高手之间，就只差一个iSlide

加载所需工具包

library(ggplot2) #作图包
library(dplyr) #数据转换包
library(tidyr) #数据转换包
library(splines) #数据差值包

ggplot2的基本概念

数据data/映射美学asethetics/几何对象geometries/分面facets/统计statistics/坐标系coordinates/主题themes

数据准备

set.seed(123) #设定随机种子，保证做的图和样例一致样
df <- data.frame(
  var=LETTERS[1:10], #字母A-J
  id=1:10, #数字1-10
  a=runif(10), #10个随机数
  b=runif(10), #10个随机数
  c=runif(10), #10个随机数
  stringsAsFactors = F #不转换为因子
)
print(df) #显示数据

得到所需数据样式（宽矩阵转长矩阵）

df1<- df%>%gather("item",value,-1:-2)%>% bind_cols(data.frame(item_id=rep(1:3,each=10)))

# 使用tidyr和dplyr包的gather函数进行数据样式转换,%>%是dplyr包的传递函数

print(df1)

ggplot画图

ggplot2是图层式绘图，一层层添加修改，图层需要指定数据集，数据集中的内容（ase数据），geom_图形，stat统计转换，position图形位置

柱形图——geom_bar，注意position参数

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+
  labs(title="柱形图")            # geom_bar=stat_count,stat=identy接受两个变量作图,position默认参数是stack,position="dodge"时，不同变量横向排列

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=(item)),stat = "identity",position="stack",width=0.8)+
  labs(title="堆积柱状图")

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+
  labs(title="百分比堆积柱状图")

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",width=0.8)+
  facet_grid(item~.)+  # 垂直方向分割
  labs(title="三维柱形图")  # 平面展示,（facet_grid)将三维图平面展示

折线图——geom_line

变量以点展示，然后连点成线

ggplot(df1,aes(id,value,colour=item))+ # 点
  geom_line()+   # 连线
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+  #将X坐标轴改为十等分并标以字母
  labs(title="折线图")

ggplot(df1,aes(id,value,colour=item))+
  geom_line(position="stack")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="堆积折线图")

ggplot(df1,aes(id,value,colour=item))+
  geom_line(position="fill")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="百分比堆积折线图")

ggplot(df1,aes(id,value,colour=item))+
  geom_line()+
  geom_point()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="带标记的折线图")  #增加了散点图geom_point

ggplot(df1,aes(id,value,colour=item))+
  geom_line(position="stack")+
  geom_point(position="stack")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="带标记的堆积折线图")

ggplot(df1,aes(id,value,colour=item))+
  geom_line(aes(ymin=0),position="fill")+
  geom_point(aes(ymin=0),position="fill")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="带标记的百分比堆积折线图")


ggplot(df1,aes(id,value,colour=item))+
  facet_grid(item~.)+ # 垂直方向分割
  geom_line()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title="三维折线图")  #用facet_grid平面展示，

饼图

饼图，将一般的柱图进行直角坐标轴到极坐标轴的转换（coord_polar())

ggplot(df,aes(x=factor(1),a,fill=factor(var)))+
  geom_bar(stat="identity",position="fill")+
  coord_polar(theta="y")+ # 按Y轴极坐标转换
  labs(title="饼图")因为是在条形图中对y轴进行极坐标转换，因此x轴长短需要一致，统一设为一个值，此处是x=factor(1)

复合饼图和复合条饼图

有嵌套类时，可以衍生一个图形展现子类内容，下图是一个demo，仅作为图案参考样式，还有许多需要改进的地方

  df_tmp<-data.frame(x=1,y=1) #准备画布所需数据
base <- ggplot(df_tmp,aes(x,y))+
  geom_blank()+
  theme_void()+
  xlim(c(0,2))+
  ylim(c(0,2)) # 准备背景画布

base + annotation_custom(
  grob = ggplotGrob(
    ggplot(df,aes(x = "",a,fill=factor(var)))+  # 注释
    geom_bar(stat="identity",position="fill",
             show.legend = F)+
      labs(x=NULL,y=NULL)+
    coord_polar(theta="y")+
      theme_classic()),
  xmin =0,xmax=1,
  ymin=0.5,ymax = 1.5)+ # 图左
  annotation_custom(
    grob = ggplotGrob(
      ggplot(df,aes(x = "",b,fill=factor(var)))+
                        geom_bar(stat="identity",
                                 position="fill",
                                 show.legend = F)+
                        labs(x=NULL,y=NULL)+
                        coord_polar(theta="y")+
                        theme_classic()),
    xmin =1.1,xmax=1.9,
    ymin=0.6,ymax = 1.4)+ # 图右
  annotate("segment",x=0.5,xend=1.5,
           y=0.69,yend=0.77)+ # 下线条
  annotate("segment",x=0.5,xend=1.5,
           y=1.35,yend=1.28) # 上线条+
  labs(title="复合饼图")

# 复合条饼图

base <- ggplot(df_tmp,aes(x,y))+geom_blank()+theme_void()+
  xlim(c(0,2))+ylim(c(0,2)) # 背景画布
base + annotation_custom(
  grob = ggplotGrob(
    ggplot(df,aes(x = "",a,fill=factor(var)))+
                      geom_bar(stat="identity",
                      position="fill",
                      show.legend = F)+
                      labs(x=NULL,y=NULL)+
                      coord_polar(theta="y")+theme_void()), # 饼图比条形图多了一个极坐标转换
  xmin =0,xmax=1,
  ymin=0.5,ymax = 1.5)+ # 左图
      annotation_custom(
    grob = ggplotGrob(
      ggplot(df,aes(x = "",b,fill=factor(var)))+
                        geom_bar(stat="identity",
                                 position="fill",
                                 show.legend = F)+
                        labs(x=NULL,y=NULL)+theme_void()),
    xmin =1.2,xmax=1.8,ymin=0.8,ymax = 1.2)+ # 右图
  annotate("segment",x=0.5,xend=1.24,y=0.64,yend=0.84)+ # 下线段
  annotate("segment",x=0.5,xend=1.24,y=1.38,yend=1.18)+ # 上线段
  labs(title="复合条饼图")

圆环图

一个圆环代表一个变量，颜色表示其属性

ggplot(df1,aes(x = item,value,fill=var))+
  geom_bar(stat="identity",position="fill",width=0.8,colour="black")+
  coord_polar(theta="y")

其他圆形图

用coord_polar作出的demo图

demo1<-ggplot(df,aes(x = factor(1),a,fill=factor(var)))+
  geom_bar(stat="identity",position="dodge")
demo1 #柱形图

demo1+coord_polar(theta="y") # 按y轴极坐标转换

demo1+coord_polar(theta="x") # 按X轴极坐标转换，此时x还可以等于var

demo2<-ggplot(df1,aes(x = id,value,fill=item))+
  geom_bar(stat="identity",position="fill",width=0.8)
demo2 # 百分比柱形图

demo2+coord_polar(theta="x") # 按x轴极坐标转换

条形图

条形图就是横过来的柱形图，用函数coord_filp()处理逆时针旋转90°

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+
  labs(title="条形图")+
  coord_flip() # 和柱形图代码的唯一区别coord_flip()

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="stack",width=0.8)+
  labs(title="堆积条形图")+
  coord_flip()

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="fill",width=0.8)+
  labs(title="百分比堆积条形图",fill="")+
  coord_flip()

ggplot(df1,aes(var,value))+
  geom_bar(aes(fill=item),stat = "identity",position="dodge",width=0.8)+
  labs(title="三维百分比条形图",fill="")+
  coord_flip()+
  facet_grid(.~item) # 水平方向分割，用多个分面展示多维

面积图——geom_area

面积图就是将折线图下面的区域标注颜色，表示面积。

ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),position=position_dodge(width = 0),
            alpha=0.5)+ # 暗色不透明度
  labs(title="面积图",fill="")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])

ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),alpha=0.5)+
  labs(title="堆积面积图")+  # 区别堆积折线图是少了`position=stack`
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])

ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),position="fill",alpha=0.5)+
  labs(title="百分比堆积面积图",fill="")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])

ggplot(df1,aes(id,value))+
  geom_area(aes(fill=item),position="stack",alpha=0.5)+
  # 区别于三维折线图添加了`position=stack`,便于分割后更好观察面积分布
  labs(title="三维百分比堆积面积图",fill="")+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  facet_grid(item~.) # 按垂直水平分割

XY散点图

需要注意的是确定X,Y轴以后，需要把对应的值赋到图中

ggplot(df1,aes(var,value))+
  geom_point(aes(colour=item))+
  labs(title = "散点图")

df1_a<-df1 %>% filter(item=="a") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
df1_b<-df1 %>% filter(item=="b") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
df1_c<-df1 %>% filter(item=="c") %>% select(value) %>% unlist %>% spline(,1000) %>% as.data.frame()
# 分开获得需要a,b,c的数据value，并被等分为1000份，用spline曲线连接，转换为数据框格式

df1_sp<-bind_rows(df1_a,df1_b,df1_c) %>%
  mutate(item=rep(letters[1:3],each=1000))    # 添加1列item

ggplot()+
  geom_point(data=df1,aes(id,value,colour=item))+
  geom_line(data=df1_sp,aes(x,y,colour=item))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title = "带平滑线和数据标记的散点图") # 点加线

ggplot(df1,aes(id,value,colour=item))+
  geom_point()+
  geom_line()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title = "带直线和点数据标记的散点图")

ggplot(df1,aes(id,value,colour=item))+
  geom_line()+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  labs(title = "带直线的散点图") # 就是折线图

气泡图

气泡图即点的大小表示数值大小的点图

ggplot(df1,aes(id,value,colour=item))+
  geom_point(aes(size=value))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])
# `size=value`给点赋予数值大小属性

股价图

ggplot(df)+
  geom_point(aes(Sys.Date()-1:10,c))+
  geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+
  labs(title="已知盘高-盘低-收盘图")

# `Sys.Date`返还任一日期时间,c是收盘量
# `geom_linerange`是由a,b两个对象的ymin和ymax定义的垂直区间线图

ggplot(df)+
  geom_point(aes(Sys.Date()-1:10,c))+
  geom_linerange(aes(Sys.Date()-1:10,ymin=a,ymax=b))+
  geom_crossbar(aes(Sys.Date()-1:10,c,ymin=a,ymax=c),width=0.2)+
  labs(title="已知开盘-盘高-盘低-收盘图")

# 在已知盘高-盘底-收盘图的基础上加上`geom_crossbar`，这里是连系a的最小和c的最大值，
# geom_crossbar(): 空心柱，上中下三条线分别代表ymax，mean，ymin

ggplot(data = filter(df1,item != "c"),
       aes(rep(Sys.Date()-1:10,3),value))+
  facet_grid(item~.,scale="free")+
  geom_point(data = filter(df1,item == "a"),
            aes(Sys.Date()-1:10,value))+
  geom_linerange(data = filter(df1,item == "a"),
                 aes(Sys.Date()-1:10,value,
                     ymin=value-runif(10),
                     ymax=value+runif(10)))+
  geom_bar(data = filter(df1,item == "b"),
           aes(Sys.Date()-1:10,value*1000),
           stat="identity")+
  labs(title="成交量-盘高-盘低-收盘图")

# 点和线距图是对象a的数据有盘高盘低，条形图是关于对象b的图，成交量
#  facet_grid(item~.,scale="free")，垂直分割，且不同形式的图表可以被分割出来

ggplot(data = filter(df1,item != "c"),
       aes(rep(Sys.Date()-1:10,3),value))+
  facet_grid(item~.,scale="free")+
  geom_point(data = filter(df1,item == "a"),
             aes(Sys.Date()-1:10,value))+
  geom_linerange(data = filter(df1,item == "a"),
                 aes(Sys.Date()-1:10,value,
                     ymin=value-runif(10),
                     ymax=value+runif(10)))+
  geom_crossbar(data = filter(df1,item == "a"),
                aes(Sys.Date()-1:10,value,
                    ymin=value-runif(10),
                    ymax=value+runif(10)),
                width=0.2)+
  geom_bar(data = filter(df1,item == "b"),
           aes(Sys.Date()-1:10,value*1000),
           stat="identity")+
  labs(title="已知成交量-开盘-盘高-盘低-收盘图")

# 在上一个图的基础上加了个`geom_crossbar`，筛选对象b作为开盘

曲面图——geom_contour

三维图形，下图是对密度的一个二维密度估计

ggplot(df1,aes(id,item_id))+
  geom_contour(aes(z=value,colour=..level..),
               binwidth=0.001)+
  scale_colour_gradientn(colours = terrain.colors(10))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  scale_y_continuous(breaks = 1:3,labels = letters[1:3])+
  labs(title="曲面图")

# binwidth设置组距，值越小画得线越多，密度图函数colour设置等高线颜色

ggplot(df1,aes(id,item_id))+
  geom_contour(aes(z=value,colour=..level..),
               binwidth=0.1)+
  scale_colour_gradientn(colours = terrain.colors(10))+
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+
  scale_y_continuous(breaks = 1:3,labels = letters[1:3])+
  labs(title="曲面图（框架图）")

# 用不同颜色等高线画框架图，和上图比增加了组距。

雷达图

ggplot(df1,aes(id,value,colour=item))+
  geom_bar(stat="identity",
           position="dodge", # 普通柱形图
           fill="transparent",# 填充透明度
           size=1)+
  coord_polar()+ #极坐标转换
  scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+
  facet_wrap(~item,nrow=2)+ # 水平分割，分割后的图呈两行排列
  labs(title="雷达图")

# 雷达图就是极坐标转换后的普通柱形图，加了透明背景框，相当于其他透明图


ggplot(df1,aes(id,value,colour=item))+
  geom_bar(stat="identity",
           position="dodge",
           fill="transparent",
           size=1,
           width=0.5)+
  geom_point()+
  coord_polar()+
  scale_x_continuous(breaks = 1:5,labels = LETTERS[1:5])+
  facet_wrap(~item,nrow=2)+
  labs(title="带数据标记的雷达图")

# 在geom_bar的基础上加上了以三个对象a,b,c,的值为点的点图geom_point

ggplot(df1,aes(id,value))+
  geom_bar(aes(fill=item),stat="identity",
           position="dodge")+ # 以item项的值映射柱形图的表达值
  scale_x_continuous(breaks = 1:10,labels = LETTERS[1:10])+ # x轴分成了十等份
  coord_polar()+
  facet_wrap(~item,nrow=2)+
  labs(title="填充雷达图")

直方图

直方图是先把数据划分区间，按从小到大的顺序排列，并以柱状图的形式表现

ggplot(df1,aes(value))+
  geom_histogram(bins=5,colour="white") # 映射value表达值，边界框是白色

# 排列图（数据从小到大排列）

df_tmp2<-df %>% select(1:3) %>% # 前三列
  arrange(a) %>%  #按列a的值从小到大排序
  mutate(per = a/sum(a))  %>%  # 增加per列，值为对应总数的比例
  arrange(desc(a)) %>%        # 重新按列a的值从达到小排列
  mutate(new_id = 1:10)%>%    # 增加new_id列
  mutate(per = cumsum(per))   # 将per列的值按new_id的顺序逐个叠加

ggplot(df_tmp2)+
  geom_bar(aes(new_id,a,fill=var),stat="identity")+ # fill=var添加图例并按照图例上色
  geom_line(aes(new_id,per))+
  scale_x_continuous(breaks = 1:10,
                     labels = df_tmp2$var)
# 令X轴的值为df_tmp2的var

箱型图

箱型图是用分位数表述数据的离散和集中趋势

ggplot(df1,aes(item,value,colour=item))+
  geom_boxplot(aes(fill=item),alpha=0.2,
               outlier.colour = "red",
               outlier.shape = 2,
               outlier.size = 5,
               coef=1.5)+ # 箱线图的异常值设定，边框为红色，形状为2指代的三角形，大小为5，参数coef指定了“须”的长度的极限值，默认值是1.5，表示两条须的极限不会超过盒型各端加1.5倍四分位距的范围，如果被置为0，条须的延长极限就会在数据集中元素的极限位置，图中不会有任何离群点。geom_jitter(width = 0.1) # geom_jitter()是geom_point(position="jitter")的简称,带状图，一维散点图。

　瀑布图

瀑布图可表现图形涨跌趋势，后一个柱子和前一个柱子有增长和下降的关系。

df_tmp3 <- df %>%select(1:3)%>%mutate(cum=cumsum(a) ,low=lag(cum,default = 0))　
# 新增一列cum，值为对应a值逐个叠加，新增加一列low，对应的是同一行的cum的上一个值，开始值是0.

ggplot(df_tmp3,aes(id,cum))+
#  geom_step(colour="grey50")+ 是梯线
  geom_crossbar(aes(ymin=low,ymax=cum),
                size=0,
                fill="skyblue",
                colour="grey50", # 边框颜色
                width=1)+
  scale_x_continuous(breaks = 1:10,
                     labels = LETTERS[1:10]) #geom_crossbar(): 空心柱，上下两条线分别代表ymax、ymin

漏斗图

漏斗图的数据分布在图形中间，用coord_flip()转换方向，可以看到不同组的最大，最小值的差异

df_tmp4<-df %>% select(1:3) %>%
  arrange(a) %>%
  mutate(new_id=1:10,
         ymin = (1-a)/2,
         ymax = a+(1-a)/2,
         mid = 0.5) # 新增四列，new_id,ymin,ymax和min列

ggplot(df_tmp4,aes(new_id,mid))+
  #  geom_step(colour="grey50")+
  geom_crossbar(aes(ymin=ymin,ymax=ymax),
                size=0,
                fill="skyblue",
                colour="grey50",
                width=1)+
  scale_x_continuous(breaks = 1:10,
                     labels = df_tmp4$var)+
  coord_flip() # 整个图形逆时针转90度

# geom_crossbar()空心柱

ggplot(df_tmp4,aes(new_id,mid))+
  geom_linerange(aes(ymin=ymin,ymax=ymax,
                     colour=factor(new_id)),
                size=15,
                alpha=0.5,show.legend = F)+
  scale_x_continuous(breaks = 1:10,
                     labels = df_tmp4$var)+
  coord_flip()

高颜值在线免费绘图

R统计和作图

ggplot2高效实用指南 (可视化脚本、工具、套路、配色)

ggplot2学习笔记之图形排列

你的包佩奇了吗？试试新版Rstudio，自动提醒缺失包！

原来Rstudio还可以这么使用，又方便了一些

在R中赞扬下努力工作的你，奖励一份CheatShet

别人的电子书，你的电子书，都在bookdown

R语言 - 入门环境Rstudio

R语言 - 热图绘制 (heatmap)

R语言 - 基础概念和矩阵操作

R语言 - 热图简化

R语言 - 热图美化

R语言 - 线图绘制

R语言 - 线图一步法

R语言 - 箱线图（小提琴图、抖动图、区域散点图）

R语言 - 箱线图一步法

R语言 - 火山图

R语言 - 富集分析泡泡图

R语言 - 散点图绘制

R语言 - 韦恩图

R语言 - 柱状图

R语言 - 图形设置中英字体

R语言 - 非参数法生存分析

R语言 - 绘制seq logo图

一文学会网络分析——Co-occurrence网络图在R中的实现

R中1010个热图绘制方法

图像处理R包magick学习笔记

R语言可视化学习笔记之ggridges包

R包reshape2，轻松实现长、宽数据表格转换

用R在地图上绘制网络图的三种方法

PCA主成分分析实战和可视化 附R代码和测试数据

iTOL快速绘制颜值最高的进化树！

12个ggplot2扩展包帮你实现更强大的可视化

编程模板-R语言脚本写作：最简单的统计与绘图，包安装、命令行参数解析、文件读取、表格和矢量图输出

R语言统计入门课程推荐——生物科学中的数据分析Data Analysis for the Life Sciences

数据可视化基本套路总结

你知道R中的赋值符号箭头<-和等号=的区别吗？

使用dplyr进行数据操作30例

R包reshape2，轻松实现长、宽数据表格转换

R语言搭建炫酷的线上博客系统

R包circlize：柱状图用腻了？试试好看的弦状图

获取pheatmap聚类后和标准化后的结果

增强火山图，要不要试一下？

一个震撼的交互型3D可视化R包 - 可直接转ggplot2图为3D

赠你一只金色的眼 - 富集分析和表达数据可视化

易生信系列培训课程，扫码获取免费资料

更多阅读

画图三字经 生信视频 生信系列教程 

心得体会 TCGA数据库 Linux Python 

高通量分析 免费在线画图 测序历史 超级增强子

生信学习视频 PPT EXCEL 文章写作 ggplot2

海哥组学 可视化套路 基因组浏览器

色彩搭配 图形排版 互作网络

自学生信 2019影响因子 GSEA 单细胞 

后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集