在模仿中精进数据可视化_使用R语言绘制聚类树进一步展示微生物的物种分类
❝写在前面的话：不知不觉之中在模仿中精进数据可视化已经有100个推文了，感觉各位朋友们，对我画图的推文还是蛮喜欢的。
由衷的感谢大家对我的认可。
可以这么说，在模仿中精进数据可视化的系列推文中，打的就是精锐，在阅读图片，模仿高水平论文可视化的过程中，实打实的提高自己的审美能力，磨练自己的可视化技能。
100篇，即是一个记录，也是一个新的开始。 毕竟咱们的这个公众号也仅仅刚刚起步。
❝
在模仿中精进数据可视化该系列推文中，我们将从各大顶级学术期刊的Figure入手，
解读文章的绘图思路，
模仿文章的作图风格，
构建适宜的绘图数据，
并且将代码应用到自己的实际论文中。
绘图缘由：小伙伴们总会展示出一些非常好看且精美的图片。我大概率会去学习和复现一下。其实每个人的时间和精力都非常有限和异常宝贵的。之所以我会去做，主要有以下原因：
图片非常好看，我自己看着也手痒痒 图片我自己在Paper也用的上，储备着留着用 保持了持续学习的状态
❝今天还是依旧感谢我的叶师兄，这家伙审美没得说，给我推荐的论文也都很炫。叶师兄推荐的这篇论文，简直是美图大赏。跟随着优秀的师兄师姐师弟师妹们，也能不断提高数据可视化能力。
期待着叶师兄的大作！
论文来源
论文图片
图片复现：
❝总而言之，还算不错。复现的较为全面。
画这个图，因为我自己的Paper会用到。
画完之后依旧有一些瑕疵，比如在拼图的时候，Link的实现。
我在这里挖一个小坑，以后添上。
因为我已经想好了解决问题的方案。
❝唠叨几句：
ggraph果然是一个非常神的包。
我一直期待着想开发一个自己的网络的包，
奈何珠玉在前，我可能无法逾越，
不过换一个想法，我可能会在ggraph这个巨人的肩膀之上开发点儿我自己的小R包，
权当自娱自乐。不久就会与大家相见！
直接上代码：
加载R包
rm(list = ls())
####----load R Package----####
library(tidyverse)
library(readxl)
library(ggraph)
library(tidygraph)
source("R/Stat_taxonomy.R")
# 这里我自定义了一个函数，
#主要是用于批量处理ASV表和注释信息，
#并且构建下游画图的数据格式
加载数据
####----load Data----####
otu_plot <- stat_taxonomy_4_graph(file1 = "Input/16S_otutab.xlsx",
file2 = "Input/16S_taxonomy.xlsx",
topn = 3,
number = 10)
graph_data <- tbl_graph(otu_plot[["node"]], otu_plot[["edge"]])
graph_data
可视化
####----Plot----####
p <- ggraph(graph_data, "tree") +
geom_hline(yintercept = 4) +
geom_edge_diagonal(color = "#bdbdbd", edge_width = 1) +
geom_node_point(aes(size = size), shape = 21, color = "#a6bddb", fill = "#ffffff", stroke = 3) +
geom_node_text(aes(x = x, label = node),
angle = 90, vjust = 1.75, fontface = "italic") +
theme_void() +
theme(
plot.margin = margin(t = 1, r = 1, b = 1, l = 1, unit = "cm")
)
p
ggsave(filename = "Output/p_tree.pdf",
plot = p,
height = 8,
width = 20)
版本信息
####----sessionInfo----####
sessionInfo()
R version 4.3.0 (2023-04-21)
Platform: x86_64-apple-darwin20 (64-bit)
Running under: macOS 14.6.1
Matrix products: default
BLAS: /System/Library/Frameworks/Accelerate.framework/Versions/A/Frameworks/vecLib.framework/Versions/A/libBLAS.dylib
LAPACK: /Library/Frameworks/R.framework/Versions/4.3-x86_64/Resources/lib/libRlapack.dylib; LAPACK version 3.11.0
locale:
[1] en_US.UTF-8/en_US.UTF-8/en_US.UTF-8/C/en_US.UTF-8/en_US.UTF-8
time zone: Asia/Shanghai
tzcode source: internal
attached base packages:
[1] stats graphics grDevices utils datasets methods base
other attached packages:
[1] ggraph_2.1.0 tidygraph_1.2.3 readxl_1.4.3 lubridate_1.9.3 forcats_1.0.0 stringr_1.5.1 dplyr_1.1.4
[8] purrr_1.0.2 readr_2.1.5 tidyr_1.3.1 tibble_3.2.1 ggplot2_3.5.1 tidyverse_2.0.0
loaded via a namespace (and not attached):
[1] viridis_0.6.4 utf8_1.2.4 generics_0.1.3 stringi_1.8.3 hms_1.1.3 digest_0.6.36
[7] magrittr_2.0.3 grid_4.3.0 timechange_0.2.0 cellranger_1.1.0 ggrepel_0.9.6 gridExtra_2.3
[13] fansi_1.0.6 viridisLite_0.4.2 scales_1.3.0 tweenr_2.0.3 textshaping_0.3.7 cli_3.6.3
[19] rlang_1.1.4 graphlayouts_1.0.2 crayon_1.5.2 polyclip_1.10-7 munsell_0.5.1 withr_3.0.1
[25] tools_4.3.0 tzdb_0.4.0 colorspace_2.1-1 vctrs_0.6.5 R6_2.5.1 lifecycle_1.0.4
[31] MASS_7.3-60 ragg_1.2.6 pkgconfig_2.0.3 pillar_1.9.0 gtable_0.3.5 glue_1.7.0
[37] Rcpp_1.0.13 systemfonts_1.1.0 ggforce_0.4.2 tidyselect_1.2.1 rstudioapi_0.15.0 farver_2.1.2
[43] igraph_2.0.3 labeling_0.4.3 compiler_4.3.0
历史绘图合集
进化树合集
环状图
散点图
基因家族合集
换一个排布方式：
首先查看基础版热图:
然后再看进阶版热图:
基因组共线性
WGCNA ggplot2版本
其他科研绘图
合作、联系和交流
有很多小伙伴在后台私信作者，非常抱歉，我经常看不到导致错过，请添加下面的微信联系作者，一起交流数据分析和可视化。
