[R语言可视化]--箱线图不同的画法及参数设置 | 学习笔记

小杜的生信筆記

小杜的生信筆記，知乎、公众号同名。一名森信小白同学！！

本期内容为 [R语言可视化]--箱线图不同的画法及参数设置

--昨天我们分享了 [R语言可视化-精美图形绘制系列]--显著性箱线图，在后台有童鞋咨询了一些问题，针对这些问题，我们在来深入的学习一下。不学不知道，一学吓一跳，有很多的玩法呀。

老规矩！！

是小杜好友的可以直接和小杜索要源代码和实例数据，我希望的是：交流（Communication）！！
欢迎来扰！！不要客气，要不你的加友费浪费了哦！

---

从分享自己的学习教程至今快有小一年了，我的账号没有使用钞能力推广。因此感谢大家对我的关注。自己是处于“小白”阶段这个层次，自己一直是这样的定义。自己的更新是不定时的，也许你会持续看到我更新，也许你很久看不到我更新文章，这都是正常状态，自己一个人的精力有限，请谅解。主要原因是自己更新的是自己的学习笔记。也希望大家可以投稿，分享自己的学习笔记
此外， 有童鞋问 ： 是否有“粉丝群” ，我的天啊！我也会有一天可以建立自己的“群”！ 但是，现在我暂时是不会建群！ 因为，自己能力有限。不能很好的帮助大家，以及建立这些群管理起来也是比较费时间的。

但是，但是，如果你愿意，可以加小杜的微信 ， 【前提：需转账50元（不介意更多）】 。 目前，只要是小杜的微信好友，都可以直接向小杜索要每期的教程的实例数据和代码 （这部分老铁也是后期小杜“粉丝群”的首选人员，哈哈哈哈........） [VX可在公众号界面获得] 。
温馨提示：这个请根据自己的意愿选择，不要盲目添加。小杜也是生信小白，也许无法提供给你想要的帮助，请理智消费 。

---

我们童鞋最关心的一件事：如何获得绘图代码和数据！！
途径一：给本文打赏，小杜看到后立即将本文的实例数据和代码发给你！
途径二：加好友，后期可以获得所有教程代码！

---

教程代码：

01-差异显著性柱状图-昨日教程 [R语言可视化-精美图形绘制系列]--显著性箱线图

## 01 首先，计算P值
pvalues <- sapply(d2$gene, function(x) {
  res <- aov(expr ~ stage, data = subset(d2, gene == x))
  summary(res)[[1]]$'Pr(>F)'[1] #
pv <- data.frame(gene = d2$gene, pvalue = pvalues)
## Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
pv$sigcode <- cut(pv$pvalue, c(0, 0.001, 0.01, 0.05, 0.1, 1), 
                  labels=c('***', '**', '*', '.', ' '))
## 绘图
ggplot(d2, aes(gene, expr, fill=stage),
       palette = 'jco',add = 'jitter',size = 5, axis.line = 2) + 
  geom_boxplot() + 
  geom_text(aes(gene, y=max(d2$expr) * 1.1, 
              label=pv$sigcode),
              data=pv, inherit.aes=F) + 
  xlab(NULL)+ylab("Relative expression (log2)")+
  theme_classic()+
  ## 添加颜色
  scale_fill_brewer(palette = "Dark2")+
  ## 更改字体大小
  theme(text = element_text(color = "black",size = 12),
        axis.text.x = element_text(color = "black",size = 12),
        axis.text.y = element_text(color = "black",size = 10),
        axis.title=element_text(size=12))

02. 不需要提前计算P值的画法，添加“stat_compare_means（）”函数

ggplot(d2, aes(gene, expr, fill=stage),
       palette = 'jco',add = 'jitter',size = 5, axis.line = 2) + 
  geom_boxplot() + 
  xlab(NULL)+ylab("Relative expression (log2)")+
  theme_classic()+
  ## 添加颜色
  scale_fill_brewer(palette = "Dark2")+
  ## 更改字体大小
  theme(text = element_text(color = "black",size = 12),
        axis.text.x = element_text(color = "black",size = 12),
        axis.text.y = element_text(color = "black",size = 10),
        axis.title=element_text(size=12))+        ## y轴字体大小
  theme(legend.text = element_text(size = 12),    ## 标签字体大小
        legend.title = element_text(size = 12))+   ##标题字体大小
        ## 计算P值
  stat_compare_means(label = "p.signif",aes(group=stage))
  #stat_compare_means() ## 显示P值，wilcoxon , p

看出上两图的区别吗？？？？（自己看呀，哈哈哈哈）

03. 新画法，添加了“geom_boxplot(notch = T)”参数

ggplot(d2, aes(gene, expr, fill=stage),
       palette = 'jco',add = 'jitter',size = 5, axis.line = 2) + 
  geom_boxplot() + 
  xlab(NULL)+ylab("Relative expression (log2)")+
  theme_classic()+
  ## 添加颜色
  scale_fill_brewer(palette = "Dark2")+
  stat_compare_means()+  ## 差异比较
  geom_boxplot(notch = T)  ## 变有角哦ggplot(d2, aes(gene, expr, fill=stage),

04. 添加柱状图的误差小横线，及散点的颜色，使用“ stat_boxplot（）”函数更改。

ggplot(d2, aes(gene, expr, fill=stage)) + 
  geom_boxplot() + 
  xlab(NULL)+ylab("Relative expression (log2)")+
  theme_classic()+
  ## 添加颜色
  scale_fill_brewer(palette = "Dark2")+
  stat_compare_means()+
  geom_boxplot(col = "black", linetpe = 2)+
  ## 更改点的颜色
  stat_boxplot(aes(ymin = ..lower.., ymax = ..upper..),
               outlier.shape = 15, outlier.colour = "red", outlier.fill = "blue")+
  ## 添加误差线
  stat_boxplot(geom = "errorbar", aes(ymin = ..ymax..), width = 0.2, color = "black",
               position = position_dodge(0.75))+
  stat_boxplot(geom = "errorbar", aes(ymax = ..ymin..), width = 0.2, color = "black",
               position = position_dodge(0.75))

05. 添加散点Plot，使用“geom_dotplot()”

ggplot(d2, aes(gene, expr, fill=stage)) + 
  geom_boxplot() + 
  xlab(NULL)+ylab("Relative expression (log2)")+
  theme_classic()+
  ## 添加颜色
  scale_fill_brewer(palette = "Dark2")+
  stat_compare_means()+
  geom_boxplot(col = "black", linetpe = 2)+
  ## 更改点的颜色
  stat_boxplot(aes(ymin = ..lower.., ymax = ..upper..),
               outlier.shape = 15, outlier.colour = "red", outlier.fill = "blue")+
  ## 添加误差线
  stat_boxplot(geom = "errorbar", aes(ymin = ..ymax..), width = 0.2, color = "black",
               position = position_dodge(0.75))+
  stat_boxplot(geom = "errorbar", aes(ymax = ..ymin..), width = 0.2, color = "black",
               position = position_dodge(0.75))+
  geom_dotplot(binaxis = "y", stackdir = 'center', dotsize = 0.5)

使用“geom_jitter（）”函数，我的这个示范是错误的，也许是我的数据问题哦！！

06. 更改外部线条颜色，使用“scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))”自定义颜色，或使用“scale_color_brewer()”函数。

ggplot(d2, aes(x= gene, y = expr, color = stage))+
  geom_boxplot()+
  #theme_classic()+
  #scale_fill_brewer(palette = "Dark2")+
  stat_compare_means()+
  scale_color_manual(values = c("#999999", "#E69F00", "#56B4E9"))
  #scale_color_brewer(palette = "Dark2")

07. 填充箱子内部的颜色，我们最开始是使用“ggplot(d2, aes(gene, expr, fill=stage))”中的“fill = stage ”进行填充。那如果使用自定义颜色怎么弄呢？

ggplot(d2, aes(x= gene, y = expr, color = stage))+