在模仿中精进数据可视化_使用R语言绘制折纸河流图
❝
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
❝今天又是好朋友提供的素材以及测试数据。名字起的不错折纸河流图。
光看名字，的确容易被带跑偏...
的确是咱们微生物组学里面常用的图～
图片复现
直接上代码：
加载R包
rm(list = ls())
####----load R Package----####
library(tidyverse)
library(readxl)
library(ggalluvial)
加载数据
####----load Data----####
demo_df <- read_xlsx(path = "Input/示例数据.xlsx", col_names = T) %>%
dplyr::mutate(across(where(is.numeric), ~ ./sum(.))) %>%
tidyr::pivot_longer(cols = -Phylum, values_to = "Value", names_to = "Type") %>%
dplyr::group_by(Phylum, Type) %>%
dplyr::summarise(Value = sum(Value)) %>%
dplyr::ungroup() %>%
dplyr::mutate(Type = fct_reorder(Type, as.numeric(gsub("A", "", Type))),
Phylum = fct_rev(fct_inorder(Phylum)))
绘图
####----Plot----####
p <- ggplot(demo_df, aes(x = Type, y = Value, fill = Phylum, stratum = Phylum, alluvium = Phylum)) +
geom_stratum(color = "#ffffff", width = 0.6) +
geom_flow(alpha = 0.5, color = "#ffffff", width = 0.6) +
scale_y_continuous(expand = c(0,0)) +
scale_fill_manual(values = c('#8dd3c7','#a6d854','#bebada','#fb8072','#80b1d3')) +
guides(fill = guide_legend(reverse = T)) +
labs(x = "", y = "") +
theme_bw() +
theme(
panel.grid = element_blank(),
panel.border = element_rect(linewidth = 1),
axis.text = element_text(color = "#000000", size = 15),
plot.margin = margin(1,1,1,1,"cm")
)
ggsave(filename = "Output/p.pdf",
plot = p,
height = 6,
width = 8.5)
版本信息
R version 4.3.0 (2023-04-21)
Platform: x86_64-apple-darwin20 (64-bit)
Running under: macOS 15.1.1
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] ggalluvial_0.12.5 readxl_1.4.3 lubridate_1.9.3 forcats_1.0.0 stringr_1.5.1 dplyr_1.1.4
[7] 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] gtable_0.3.5 compiler_4.3.0 tidyselect_1.2.1 textshaping_0.3.7 systemfonts_1.1.0 scales_1.3.0
[7] R6_2.5.1 labeling_0.4.3 generics_0.1.3 munsell_0.5.1 pillar_1.9.0 tzdb_0.4.0
[13] rlang_1.1.4 utf8_1.2.4 stringi_1.8.3 pkgload_1.3.3 timechange_0.2.0 cli_3.6.3
[19] withr_3.0.1 magrittr_2.0.3 grid_4.3.0 rstudioapi_0.15.0 hms_1.1.3 lifecycle_1.0.4
[25] vctrs_0.6.5 glue_1.8.0 farver_2.1.2 cellranger_1.1.0 ragg_1.2.6 fansi_1.0.6
[31] colorspace_2.1-1 tools_4.3.0 pkgconfig_2.0.3
历史绘图合集
公众号推文一览
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。
