其他
基于 R 语言的科研论文绘图技巧详解（2）
点击下方公众号，回复资料分享，收获惊喜
简介
在查阅文献的过程中，看到了几幅非常不错的出版图，今天就跟着小编一起学习下，他们是怎么使用 R 绘制出来的。
今天主要介绍 第二幅图（B) ，直观来看是由两幅图所构成的。
绘制带误差项的柱状图并添加密度函数线。 简单的曲线图并添加公式。
之后，将两幅图合并。值得注意的是：x 轴数值使用不同图形进行描绘（小编不是很懂，作者想表达什么，不过这种技巧是第一次见，可以学习学习）。
第一幅图的介绍可见：基于 R 语言的科研论文绘图技巧详解（1）。后面几幅图会一一介绍，读者在学习过程中，可以将内部学到的知识点应用到自己的图形绘制中。推文已经将主要知识点进行罗列，更有利于读者学习和查阅。
那我们来看看，作者是怎么实现这个功能的吧，本文知识点较多，大家耐心学习，建议自己实践。对应代码、数据可在 GitHub - marco-meer/scifig_plot_examples_R: Scientific publication figure plotting examples with R[1] 中找到。
主要知识点
学会定义密度函数，并在图形中将其添加； 学会设置自定义主题，简化代码，统一主题，方便绘制其他图形使用； 学会添加子图、给坐标轴添加修饰图形； 学会添加带有特殊符号的公式。
绘图
加载包
首先加载一些需要使用到的包。
library(ggplot2) # Grammar of graphics
library(cowplot) # Arranging multiple plots into a grid
library(png) # Load JPEG, PNG and TIFF format
library(scales) # Generic plot scaling methods
library(viridis) # Default color maps from 'matplotlib'
library(grid) # A rewrite of the graphics layout capabilities
library(magick) # graphics and image processing
library(rsvg) # Render svg image into a high quality bitmap
library(ggforce) # Collection of additional ggplot stats + geoms
设置主题
接下来，为了方便起见，作者在绘图前设置好了主题，并将该函数命名为 my_theme。
这一部分在第一篇推文给出，代码将在文末中完整代码给出。需要数据的朋友可以从 GitHub 上下载（或者文末链接直达）。
手动修改大部分面板，具体可以参考本篇文章[2]。或者观看我在 B 站发布的《R 语言可视化教程》，里面也有一些简单主题设置介绍。
导入数据
首先使用 read.csv() 导入数据，使用data.frame()转化数据成 ggplot 所需要的格式。
data_B = read.csv("./data_B.csv")
data_B = data.frame("n"=c(data_B$n,data_B$n),
"sample"=c(rep("apical side",nrow(data_B)),
rep("basal side",nrow(data_B))),
"fraction"=c(data_B$fraction1,data_B$fraction2),
"err"=c(data_B$err1,data_B$err2)
)
head(data_B)
# n sample fraction err
# 1 3 apical side 0.010 0.002
# 2 4 apical side 0.050 0.010
# 3 5 apical side 0.240 0.040
# 4 6 apical side 0.450 0.060
# 5 7 apical side 0.190 0.034
# 6 8 apical side 0.045 0.009
定义密度函数
这里作者直接定义了对数正态密度函数，并确定了对应参数的值（mu=log(6),sigma= 0.14)。
sigma = 0.14
n = seq(3,10,1)
logn_dist <- function(n) exp(-(log(n)-log(6))^2/(2*sigma^2))/(sqrt(2*pi)*sigma*n) #函数里面就是密度函数的公式，可以在数理统计相关书籍中找到。
小编表示疑问：参数应该得通过参数估计的方式得到吧，但是这里作者直接给定了。并且函数设定来看，均值直接写在函数内部了，并没有赋值为
mu=log(6)。虽然结果相同，但是可读性不强。
绘图步骤详解
由于代码复杂，知识点较多，为了读者更好理解代码逻辑和含义，小编将其分布讲解。最后再将完整代码放到本节末。
绘制子图一（条形、密度函数、误差图）
使用 geom_bar() 绘制条形图，注意这里使用了 position=position_dodge() 将小类并列放置，具体细节可以参考：《R语言教程》[3]；使用 geom_errorbar() 添加误差项；使用 stat_function() 将对数正态的密度函数加入图中（当然也可以使用 geom_line()）。
ggplot(data=data_B,(aes(x=n, # aes: aesthetics
y=fraction,
fill=sample)))+
geom_bar(stat = "identity",
position=position_dodge()) + # dodge overlapping objects side-to-side
stat_function(fun=logn_dist,
geom="line",
linetype="solid",
aes(x=n,
y=logn_dist(n))) +
geom_errorbar(aes(ymin=fraction-err,
ymax=fraction+err),
width=.2,
position=position_dodge(.9))
微调主题
之后添加主题，使用先前设定好的主题函数 my_theme() 与其他细节调整。
my_theme() +
# some extra theme tweaking
theme(legend.position = c(0.18,0.95),
legend.title = element_blank(),
axis.ticks.x = element_blank(),
axis.text.x = element_text(vjust=-0.5),
axis.title.x = element_text(vjust=-0.5),
legend.key.size = unit(0.4, "lines")
) +
xlab(expression(paste("number of neighbors ",italic("n")))) +
ylab("fraction of cells (%)")
这时候图中的第一个子图就得到了，接下来绘制第二个子图。
绘制子图二（曲线图）
方式一：定义曲线函数，然后通过
geom_line()进行绘制。方式二：加载图形（公式），通过
annotation_custom()结合rasterGrob()，将该图导入到子图中。
方式二看着比较麻烦，不过思路可以学习下，如果以后公式太难/复杂，可以使用这种方式展现。下面展示第一种结果，第二种结果可在官网代码中找到。
其他代码流程和上一个子图类似，这里不做过多介绍。
注意：关于特殊符号的输入，可以使用
expression()函数，可以参考这个教程[4]。
定义曲线函数
inset_curve <- function(n) 180*(n-2)/n
inset <- ggplot() +
geom_line(aes(x=n,y=inset_curve(n))) +
annotate(geom="text",label="180*degree*(n-2)/n",x = 5.5,y=140,
parse=TRUE,size=5) +
scale_x_continuous(expand = c(0, 0),
breaks=c(seq(3,10,1)),
limits = c(3,10)) +
scale_y_continuous(expand = c(0, 0),
breaks=c(seq(60,150,20)),
limits = c(60,150)
) +
my_theme() +
xlab(expression(italic(n)))+
ylab(expression(interior~angle~italic(theta[n])(degree))) +
# some extra theme tweaking
theme(
panel.background = element_blank(),
plot.background = element_blank(),
axis.ticks.length = unit(-0.1, "lines"), # make ticks a bit shorter
axis.title.x = element_text(size = 0.5*base_size,
color = "black",
margin = margin(t = -4)),
# top (t), right (r), bottom (b), left (l)
axis.title.y = element_text(size = 0.5*base_size,
color = "black", angle = 90,
margin = margin(r = -4)),
axis.text.x = element_text(size = base_size*0.5,
color = "black",
lineheight = 0.9,
margin=unit(c(0.1,0.1,0.1,0.1), "cm")),
axis.text.y = element_text(size = base_size*0.5, color = "black",
lineheight = 0.9,
margin=unit(c(0.1,0.1,0.1,0.1), "cm"))
)
inset
修改坐标轴值样式
使用 ggforce 包中的 geom_regon() 函数，不同图形主要是在内部参数 size 进行设置。
polygons <-
ggplot() +
ggforce::geom_regon(aes(x0=c(seq(3,10,1)),
y0=rep(-0.3,8),
sides = c(seq(3,10,1)),
angle=0, r=0.3),
fill=NA,
color="black") +
theme_void() + coord_fixed()
polygons
完整版
最后将前面的内容整合在一起。还是使用 annotation_custom()，感觉这个函数无敌！
panel_B <-
panel_B +
annotation_custom(grob = panel_B_inset,
xmin=6.6, xmax=10.1, ymin=0.1, ymax=0.6) +
annotation_custom(grob = ggplotGrob(polygons),
xmin = 2.36, xmax = 10.67, ymin = -0.172, ymax = 0.115)
panel_B
完整代码
library(ggplot2) # Grammar of graphics
library(cowplot) # Arranging multiple plots into a grid
library(png) # Load JPEG, PNG and TIFF format
library(scales) # Generic plot scaling methods
library(viridis) # Default color maps from 'matplotlib'
library(grid) # A rewrite of the graphics layout capabilities
library(magick) # graphics and image processing
library(rsvg) # Render svg image into a high quality bitmap
library(ggforce) # Collection of additional ggplot stats + geoms
base_size = 12
# Panel B ----
my_theme <- function() {
theme(
aspect.ratio = 1,
axis.line =element_line(colour = "black"),
# shift axis text closer to axis bc ticks are facing inwards
axis.text.x = element_text(size = base_size*0.8, color = "black",
lineheight = 0.9,
margin=unit(c(0.3,0.3,0.3,0.3), "cm")),
axis.text.y = element_text(size = base_size*0.8, color = "black",
lineheight = 0.9,
margin=unit(c(0.3,0.3,0.3,0.3), "cm")),
axis.ticks = element_line(color = "black", size = 0.2),
axis.title.x = element_text(size = base_size,
color = "black",
margin = margin(t = -5)),
# t (top), r (right), b (bottom), l (left)
axis.title.y = element_text(size = base_size,
color = "black", angle = 90,
margin = margin(r = -5)),
axis.ticks.length = unit(-0.3, "lines"),
legend.background = element_rect(color = NA,
fill = NA),
legend.key = element_rect(color = "black",
fill = "white"),
legend.key.size = unit(0.5, "lines"),
legend.key.height =NULL,
legend.key.width = NULL,
legend.text = element_text(size = 0.6*base_size,
color = "black"),
legend.title = element_text(size = 0.6*base_size,
face = "bold",
hjust = 0,
color = "black"),
legend.text.align = NULL,
legend.title.align = NULL,
legend.direction = "vertical",
legend.box = NULL,
panel.background = element_rect(fill = "white",
color = NA),
panel.grid.major = element_blank(),
panel.grid.minor = element_blank(),
plot.title = element_text(size = base_size,
color = "black"),
)
}
data_B = read.csv("./data_B.csv")
# format data to ggplot's liking
data_B = data.frame("n"=c(data_B$n,data_B$n),
"sample"=c(rep("apical side",nrow(data_B)),
rep("basal side",nrow(data_B))),
"fraction"=c(data_B$fraction1,data_B$fraction2),
"err"=c(data_B$err1,data_B$err2)
)
head(data_B)
# define lognormal distribution to be called via ggplot2::stat_function
sigma = 0.14
n = seq(3,10,1)
logn_dist <- function(n) exp(-(log(n)-log(6))^2/(2*sigma^2))/(sqrt(2*pi)*sigma*n)
panel_B <-
ggplot(data=data_B,(aes(x=n, # aes: aesthetics
y=fraction,
fill=sample)))+
geom_bar(stat = "identity",
position=position_dodge()) + # dodge overlapping objects side-to-side
stat_function(fun=logn_dist,
geom="line",
linetype="solid",
aes(x=n,
y=logn_dist(n))) +
geom_errorbar(aes(ymin=fraction-err,
ymax=fraction+err),
width=.2,
position=position_dodge(.9)) +
scale_fill_manual(values=c('#f2a340','#998fc2'))+
scale_x_continuous(expand = c(0, 0), # prevent gap between origin and first tick
breaks=c(seq(from = min(data_B$n),
to = max(data_B$n),
by = 1)),
limits = c(min(data_B$n),max(data_B$n))) +
scale_y_continuous(expand = c(0, 0),
breaks=c(seq(0,0.6,0.1)),
limits = c(0,0.6)
)+
my_theme() +
# some extra theme tweaking
theme(legend.position = c(0.18,0.95),
legend.title = element_blank(),
axis.ticks.x=element_blank(),
axis.text.x = element_text(vjust=-0.5),
axis.title.x = element_text(vjust=-0.5),
legend.key.size = unit(0.4, "lines")
) +
xlab(expression(paste("number of neighbors ",italic("n")))) +
ylab("fraction of cells (%)")
panel_B
inset_curve <- function(n) 180*(n-2)/n
# The equation is added as an image bc the annotate() function output looks too ugly
# inset_equation <- image_read_svg("./panel_b_inset_equation.svg",width = 583,height = 240)
# now comes the inset plot
inset <- ggplot() +
geom_line(aes(x=n,y=inset_curve(n))) +
annotate(geom="text",label="180*degree*(n-2)/n",x = 5.5,y=140,
parse=TRUE,size=3) +
# annotation_custom(rasterGrob(image = inset_equation,
# x=0.5,
# y=0.8,
# width = unit(0.3125,"npc"),
# height = unit(0.126,"npc")),
# -Inf, Inf, -Inf, Inf) +
scale_x_continuous(expand = c(0, 0),
breaks=c(seq(3,10,1)),
limits = c(3,10)) +
scale_y_continuous(expand = c(0, 0),
breaks=c(seq(60,150,20)),
limits = c(60,150)
) +
my_theme() +
xlab(expression(italic(n)))+
# expression doc: https://stat.ethz.ch/R-manual/R-devel/library/grDevices/html/plotmath.html
ylab(expression(interior~angle~italic(theta[n])(degree))) +
# some extra theme tweaking
theme(
panel.background = element_blank(),
plot.background = element_blank(),
axis.ticks.length = unit(-0.1, "lines"), # make ticks a bit shorter
axis.title.x = element_text(size = 0.5*base_size,
color = "black",
margin = margin(t = -4)),
# top (t), right (r), bottom (b), left (l)
axis.title.y = element_text(size = 0.5*base_size,
color = "black", angle = 90,
margin = margin(r = -4)),
axis.text.x = element_text(size = base_size*0.5,
color = "black",
lineheight = 0.9,
margin=unit(c(0.1,0.1,0.1,0.1), "cm")),
axis.text.y = element_text(size = base_size*0.5, color = "black",
lineheight = 0.9,
margin=unit(c(0.1,0.1,0.1,0.1), "cm"))
)
inset
# create grob (grid graphical object) from the inset plot
panel_B_inset <- ggplotGrob(x = inset)
panel_B_inset
# now for some regular polygon drawing
polygons <-
ggplot() +
ggforce::geom_regon(aes(x0=c(seq(3,10,1)),
y0=rep(-0.3,8),
sides = c(seq(3,10,1)),
angle=0, r=0.3),
fill=NA,
color="black") +
theme_void() + coord_fixed()
polygons
# finally, we can combine everything to plot panel B
panel_B <-
panel_B +
annotation_custom(grob = panel_B_inset,
xmin=6.6, xmax=10.1, ymin=0.1, ymax=0.6) +
annotation_custom(grob = ggplotGrob(polygons),
xmin = 2.36, xmax = 10.67, ymin = -0.172, ymax = 0.115)
panel_B
小编有话说
本文主要学到的知识点如下：
自定义密度函数，并使用 stat_function()在图形中将其添加；设置自定义主题( my_theme)，简化代码，统一主题，方便绘制其他图形使用；使用 annotation_custom()添加子图；使用 ggforce包中的geom_regon()函数绘制修饰图形；使用 expression()函数添加带有特殊符号的公式。如果觉得文章对你有一丝丝用处，帮忙点赞，在看，分享吧～
参考资料
GitHub - marco-meer/scifig_plot_examples_R: Scientific publication figure plotting examples with R: https://github.com/marco-meer/scifig_plot_examples_R
[2]文章: https://ggplot2.tidyverse.org/reference/theme.html
[3]《R语言教程》: https://www.math.pku.edu.cn/teachers/lidf/docs/Rbook/html/_Rbook/ggplotvis.html
[4]教程: https://stat.ethz.ch/R-manual/R-devel/library/grDevices/html/plotmath.html
推荐： 可以保存以下照片，在 b 站扫该二维码，或者 b 站搜索【庄闪闪】观看 Rmarkdown 系列的视频教程。Rmarkdown 视频新增两节视频（写轮眼幻灯片制作）需要视频内的文档，可在公众号回复【rmarkdown】
可视化推文推荐
R可视乎｜空间地理数据可视化（1）
R可视乎|用R给心仪的对象表白吧
R可视乎｜棒棒糖图
R可视乎｜合并多幅图形
R可视乎|等高线图
R可视乎|气泡图