每天学习一点R：19.箱须图的绘制
今天我们来仿制一张箱须图，内容涉及boxplot()函数的使用以及利用jitter在箱子内部显示样品分布。
原图展示
依然与前两天推文的参考图来自同一篇文章，文章使用marker微生物计算了一个疾病指数，之后使用箱须图比较了疾病和健康样本中疾病指数的差异。
今天就来仿照绘制一下这幅图，我绘制出来的最终图像是下面这个样子。
还是照例先给出完成的绘图代码：
gdi <- read.table("GDI.txt",header = TRUE,row.names = 1,sep = "\t")
tiff(filename = "GDI.tif",width = 5400,height = 7200,compression = "lzw",res = 600,type = "windows")par(mar = c(5,8,1,2))par(xpd = TRUE)box <- boxplot(GDI~Group,data = gdi,col = "grey80",lwd = 3,range = 0,axes = FALSE,ylim = c(-0.15,0.15),xlab = "",ylab = "")axis(side = 1,at = c(1,2),labels = c("",""),lwd = 3)segments(x0 = 0.42,y0 = -0.162,x1 = 2.5,y1 = -0.162,lwd = 4)text(x = c(1,2),y = -0.175,labels = c("Disease","Healthy"),cex = 3)axis(side = 2,at = c(-0.15,-0.10,-0.05,0,0.05,0.10,0.15),labels = c("","","","","","",""),lwd = 3)text(x = 0.37,y = c(-0.15,-0.05,0.05,0.15),labels = c("-0.15","-0.05","0.05","0.15"),adj = c(1,0.5),cex = 2.5)segments(x0 = 0.42,y0 = -0.162,x1 = 0.42,y1 = 0.16,lwd = 4)mtext(side = 2,text = "GDI index",cex = 3.5,line = 5)segments(x0 = 1,y0 = 0.08,x1 = 1,y1 = 0.11,lwd = 4)segments(x0 = 1,y0 = 0.11,x1 = 2,y1 = 0.11,lwd = 4)segments(x0 = 2,y0 = 0.11,x1 = 2,y1 = -0.07,lwd = 4)text(x = 1.5,y = 0.117,labels = "***",cex = 6)jitter <- jitter(c(rep(1,11),rep(2,11)))points(x = jitter,y = gdi$GDI,col = "black",bg = "white",cex = 3,lwd= 3,pch = 21)dev.off()绘图数据十分简单，就是两列数据，第一列为用于绘图的具体数值，第二列是分组。
绘图过程详解
数据导入和绘图区设置
首先导入绘图数据并设置绘图区大小。
gdi <- read.table("GDI.txt",header = TRUE,row.names = 1,sep = "\t")
par(mar = c(5,8,1,2))par(xpd = TRUE)⚠️ 下方和左侧要留出大一点的区域，用于样品组的名称和纵坐标，而上方和右侧的边界要尽量小。
将绘图参数定义为可以在绘图区外显示，从而使得绘图参数的显示能够在绘图边界显示。
箱须图绘制
首先进行基本箱须图的绘制。
box <- boxplot(GDI~Group,data = gdi,col = "grey80",lwd = 3,range = 0,axes = FALSE,ylim = c(-0.15,0.15),xlab = "",ylab = "")boxplot()命令
boxplot(x, ..., range = 1.5, width = NULL, varwidth = FALSE, notch = FALSE, outline = TRUE, names, plot = TRUE, border = par("fg"), col = NULL, log = "", pars = list(boxwex = 0.8, staplewex = 0.5, outwex = 0.5),horizontal = FALSE, add = FALSE, at = NULL)各参数意义：
range规定box外的whiskers数据的选定标准；
width规定box的相对宽度；
varwidth为True时，按照width的比例基于绘图区的大小进行箱的绘制；
notch规定是否将长条形的箱图绘制为在中位数位置有凹槽的箱图；
outline是否绘制outliers；
names各组箱的标签名
plot是否绘图；
border规定outline的颜色；
col规定箱体的填充颜色；
log规定x中的数据是否进行log变换；
boxwex、staplewex和outwex规定图像中不同部分的线宽；
horizontal是否绘制水平图；
add规定是否在现有图像的基础上进行绘图；
at规定绘图的位置。
在本次绘图中，使用公式定义绘图数据和方式。
GDI~Group，～左边为响应变量，右边为解释变量，可以简单的理解为左边为y轴绘图数据，右边为x轴绘图数据。
添加坐标轴
由于单纯的使用axis()命令添加坐标轴，无法呈现出一种坐标轴在原点交叉的状态，因而使用axis()和segment()配合，最终达到x和y轴交汇并向外侧部分延伸的效果。
axis(side = 1,at = c(1,2),labels = c("",""),lwd = 3)segments(x0 = 0.42,y0 = -0.162,x1 = 2.5,y1 = -0.162,lwd = 4)axis(side = 2,at = c(-0.15,-0.10,-0.05,0,0.05,0.10,0.15),labels = c("","","","","","",""),lwd = 3)text(x = 0.37,y = c(-0.15,-0.05,0.05,0.15),labels = c("-0.15","-0.05","0.05","0.15"),adj = c(1,0.5),cex = 2.5)segments(x0 = 0.42,y0 = -0.162,x1 = 0.42,y1 = 0.16,lwd = 4)⚠️ 通过调整线段的位置和长度，时其能够正好覆盖原本的坐标轴，并且在两个坐标轴交汇的位置结束。
之后添加分组标签和纵轴标签。
text(x = c(1,2),y = -0.175,labels = c("Disease","Healthy"),cex = 3)mtext(side = 2,text = "GDI index",cex = 3.5,line = 5)差异性检验结果展示
使用线段的形式构成一个U型框连接两个条形，之后利用文本给出组间差异性检验结果。
segments(x0 = 1,y0 = 0.08,x1 = 1,y1 = 0.11,lwd = 4)segments(x0 = 1,y0 = 0.11,x1 = 2,y1 = 0.11,lwd = 4)segments(x0 = 2,y0 = 0.11,x1 = 2,y1 = -0.07,lwd = 4)text(x = 1.5,y = 0.117,labels = "***",cex = 6)具体的参数数值根据绘图数据进行调整。
样品分布点添加
使用jitter添加样品在不同组内的分布情况，首先要定义jitter参数。
jitter <- jitter(c(rep(1,11),rep(2,11)))这里要根据绘图数据进行调整，jitter用于定义分布点在x轴的位置，我的数据只有两组，两个箱子在x轴的位置分别为1和2，每组有11个样本，因而jitter为连续11个1之后连续11个2.
⚠️ 我的数据中分组为“Disease”和“Healthy”，R中默认是以字母顺序展示相关的参数，因而“Disease”位于左侧，而“Healthy”位于右侧，而我的绘图数据文件同样是“Disease”组在前，“Healthy”在后，如果你的绘图数据中排在前面的分组字母顺序靠后，则需要调整jitter的顺序，使得jitter中x轴对应箱子的位置与绘图数据分组排序保持一致。
比如如果我的绘图数据中“Healthy”组排在前面，那么我就需要修改命令为：
jitter <- jitter(c(rep(2,11),rep(1,11)))接下来添加样本分布点。
points(x = jitter,y = gdi$GDI,col = "black",bg = "white",cex = 3,lwd= 3,pch = 21)⚠️ jitter添加的样本点在y轴的位置是根据绘图数据固定的，而在x轴的横向分布是随机的，因而可以多生成几次图像之后选择最好的展示效果。