在模仿中精进数据可视化_绘制配对箱形图
❝
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
论文来源：
论文图片：
图片复现：
除此之外，我在论文里面还发现了昨天推文的实例：
昨天的推文图片：
链接如下：
大家可以自行去学习一下。
直接上代码：
加载R包
rm(list = ls())
####----load R Package----####
library(tidyverse)
加载数据
####----load Data----####
df <- read_xlsx(path = "df.xlsx")
df2 <- df %>%
tidyr::pivot_longer(cols = -patient, names_to = "Type", values_to = "Value") %>%
dplyr::mutate(Type = str_c(Type, "\n", "(N = 32)")) %>%
dplyr::mutate(Type = factor(Type, levels = c("mRNA\n(N = 32)", "Gene\n(N = 32)"), ordered = T))
p_value <- wilcox.test(df$mRNA, df$Gene)
p_value2 <- p_value$p.value
可视化
####----Plot----####
p <- ggplot(data = df2, aes(x = Type, y = Value)) +
geom_boxplot(aes(fill = Type), width = 0.5, alpha = 0.4) +
geom_point(aes(color = Type)) +
geom_line(aes(group = patient), linetype = 2, color = "#fa9fb5") +
ggtitle(label = expression(italic("P") == "6.386861e-12")) +
theme_bw() +
theme(
axis.text = element_text(color = "#000000", size = 12.5),
axis.title = element_text(color = "#000000", size = 15),
axis.ticks.length = unit(10, "pt"),
plot.title = element_text(hjust = 0.5, size = 20),
legend.position = "none"
)
ggsave(filename = "p.pdf",
plot = p,
height = 6,
width = 7.5)
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] writexl_1.4.2 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
[6] scales_1.3.0 R6_2.5.1 labeling_0.4.3 generics_0.1.3 munsell_0.5.1
[11] pillar_1.9.0 tzdb_0.4.0 rlang_1.1.4 utf8_1.2.4 stringi_1.8.3
[16] pkgload_1.3.3 viridisLite_0.4.2 timechange_0.2.0 cli_3.6.3 withr_3.0.1
[21] magrittr_2.0.3 grid_4.3.0 rstudioapi_0.15.0 hms_1.1.3 lifecycle_1.0.4
[26] vctrs_0.6.5 glue_1.7.0 farver_2.1.2 cellranger_1.1.0 ragg_1.2.6
[31] fansi_1.0.6 colorspace_2.1-1 tools_4.3.0 pkgconfig_2.0.3
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。
