R语言绘图 --- 折线图(Biorplot 开发日志 --- 1)

「写在前面」

在科研数据分析中我们会重复地绘制一些图形,如果代码管理不当经常就会忘记之前绘图的代码。于是我计划开发一个 R 包(Biorplot),用来管理自己 R 语言绘图的代码。本系列文章用于记录 Biorplot 包开发日志。


相关链接

相关代码和文档都存放在了 Biorplot GitHub 仓库:
https://github.com/zhenghu159/Biorplot

欢迎大家 Follow 我的 GitHub 账号:
https://github.com/zhenghu159

我会不定期更新生物信息学相关工具和学习资料。如果您有任何建议,或者想贡献自己的代码,请在我的 GitHub 上留言。

介绍

折线图,是一种通过线段连接数据点的方式来展示数据变化趋势的图表。每个数据点表示一个特定的时间点或数值,线段则反映了数据点之间的关系。折线图通常用于展示时间序列数据、趋势分析、周期性变化等。

Biorplot 中,我封装了 Bior_LinePlot() 函数来实现折线图的绘制。

基础折线图

绘制一个基础的分类折线图如下:

alt

绘图代码:

data <- data.frame('x' = c(1:20), 'y' = rnorm(20), 'Type' = rep(c('A','B'), 10))
palette <- c("#f89588","#63b2ee")
Bior_LinePlot(data, x = "x", y = "y", color = "Type", title = "Test Bior_LinePlot",
palette = palette, plot_type = "l", size = 2, text.size = 30,
ggtheme = theme_minimal()) +
font("title", size = 35)

相关系数折线图

绘制一个带有相关系数 R 和 P-value 的折线图如下:

alt

绘图代码:

data <- data.frame('x' = c(1:10), 'y' = c(1,1.5,1.8,2.3,3.3,5.3,7.5,8,9,10))

Bior_LinePlot(data, x = "x", y = "y",
color = "firebrick3", plot_type = "l", size = 2,
cor.test = TRUE, cor.label.x=1, cor.label.y=9, R.digits = 2, P.digits = 2,
cor.label.size = 10,
text.size = 30, ggtheme = theme_classic()) +
geom_point(color="black", fill="firebrick3", shape=21, size=4, stroke=1) +
font("title", size = 30)

源码解析

Biorplot::Bior_LinePlot() 函数主要继承了 ggpubr::ggline()stats::cor.test() 函数,并对默认参数进行了自定义设置。

新增了标题居中标题大小,相关参数:

  • title.hjust (defaut: title.hjust = 0.5); title hjust value
  • text.size (defaut: text.size = 20); text size value

新增了通过 stats::cor.test() 计算相关系数 R 和 P-value 的功能,并通过 ggplot2::geom_text() 设置相关系数文本显示的位置,相关参数:

  • cor.test (defaut: cor.test = FALSE); whether to use cor.test to calculate correlations
  • R.digits (defaut: R.digits = 2); digits for R
  • P.digits (defaut: P.digits = 2); digits for P
  • cor.label.x (defaut: cor.label.x = 1); cor.label x position
  • cor.label.y (defaut: cor.label.y = 1); cor.label y position
  • cor.label.size (defaut: cor.label.size=10); cor.label size

源码:

#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

#' Line plot
#' @description Create a line plot.
#'
#' @import ggplot2
#' @importFrom ggpubr ggline theme_pubr
#'
#' @inheritParams ggpubr::ggline
#' @inheritParams stats::cor.test
#' @param title.hjust (defaut: title.hjust = 0.5); title hjust value
#' @param text.size (defaut: text.size = 20); text size value
#' @param cor.test (defaut: cor.test = FALSE); whether to use cor.test to calculate correlations
#' @param R.digits (defaut: R.digits = 2); digits for R
#' @param P.digits (defaut: P.digits = 2); digits for P
#' @param cor.label.x (defaut: cor.label.x = 1); cor.label x position
#' @param cor.label.y (defaut: cor.label.y = 1); cor.label y position
#' @param cor.label.size (defaut: cor.label.size=10); cor.label size
#'
#' @return A ggplot object
#' @export
#'
#' @seealso \code{\link{ggline}}
#' @examples
#' # Examples 1
#' data <- data.frame('x' = c(1:20), 'y' = rnorm(20), 'Type' = rep(c('A','B'), 10))
#' palette <- c("#f89588","#63b2ee")
#' Bior_LinePlot(data, x = "x", y = "y", color = "Type", title = "Test Bior_LinePlot",
#' palette = palette, plot_type = "l", size = 2, text.size = 30,
#' ggtheme = theme_minimal()) +
#' font("title", size = 35)
#'
#'
#' # Examples 2
#' data <- data.frame('x' = c(1:10), 'y' = c(1,1.5,1.8,2.3,3.3,5.3,7.5,8,9,10))
#' Bior_LinePlot(data, x = "x", y = "y",
#' color = "firebrick3", plot_type = "l", size = 2,
#' cor.test = TRUE, cor.label.x=1, cor.label.y=9, R.digits = 2, P.digits = 2,
#' cor.label.size = 10,
#' text.size = 30, ggtheme = theme_classic()) +
#' geom_point(color="black", fill="firebrick3", shape=21, size=4, stroke=1) +
#' font("title", size = 30)
#'
#'
Bior_LinePlot <- function(
# ggpubr::ggline Arguments
data, x, y, group = 1, numeric.x.axis = FALSE, combine = FALSE, merge = FALSE,
color = "black", palette = NULL, linetype = "solid", plot_type = c("b", "l", "p"),
size = 0.5, shape = 19, stroke = NULL, point.size = size, point.color = color,
title = NULL, xlab = NULL, ylab = NULL, facet.by = NULL, panel.labs = NULL,
short.panel.labs = TRUE, select = NULL, remove = NULL, order = NULL, add = "none",
add.params = list(), error.plot = "errorbar", label = NULL, font.label = list(size = 11, color = "black"),
label.select = NULL, repel = FALSE, label.rectangle = FALSE, show.line.label = FALSE,
position = "identity", ggtheme = theme_pubr(),
# add new Arguments
title.hjust = 0.5, text.size = 20,
# stats::cor.test Arguments
alternative = "two.sided", method = "pearson", exact = NULL, conf.level = 0.95,
continuity = FALSE,
# add new Arguments
cor.test = FALSE, R.digits = 2, P.digits = 2, cor.label.x = 1, cor.label.y = 1,
cor.label.size=10,
...)
{

ggline.Arguments <- list(
data = data, x = x, y = y, group = group, numeric.x.axis = numeric.x.axis,
combine = combine, merge = merge, color = color, palette = palette, linetype = linetype,
plot_type = plot_type, size = size, shape = shape, stroke = stroke,
point.size = point.size, point.color = point.color, title = title, xlab = xlab,
ylab = ylab, facet.by = facet.by, panel.labs = panel.labs, short.panel.labs = short.panel.labs,
select = select , remove = remove, order = order, add = add, add.params = add.params,
error.plot = error.plot, label = label, font.label = font.label, label.select = label.select,
repel = repel, label.rectangle = label.rectangle, show.line.label = show.line.label,
position = position, ggtheme = ggtheme, ...)

cor.test.Arguments <- list(
alternative = alternative, method = method, exact = exact, conf.level = conf.level,
continuity = continuity, ...
)

p <- do.call(ggpubr::ggline, ggline.Arguments) +
theme(plot.title = element_text(hjust = title.hjust),
text = element_text(size = text.size))

if (cor.test == TRUE) {
cor <- do.call(stats::cor.test, c(data[x], data[y], cor.test.Arguments))
R <- round(cor$estimate, R.digits)
P_value <- format(cor$p.value, digits = P.digits)
p <- p +
geom_text(x = cor.label.x, y = cor.label.y, label = paste('R =',R,'\nP =',P_value,sep=' '),
hjust=0, color="black", size=cor.label.size)
}

return(p)
}

#%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

「结束」

注:本文为个人学习笔记,仅供大家参考学习,不得用于任何商业目的。如有侵权,请联系作者删除。

alt

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/663812.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

通过强化学习彻底改变大型数据集特征选择

文章目录 一、说明二、强化学习&#xff1a;特征选择的马尔可夫决策问题三、用于使用强化学习进行特征选择的 python 库3.1. 数据预处理3.2. 安装和导入FSRLearning库 四、结论和参考文献 一、说明 了解强化学习如何改变机器学习模型的特征选择。通过实际示例和专用的 Python 库…

Qt6.4.2基于CMake添加Qt3DCore模块报错

在文档中说明是添加 find_package(Qt6 REQUIRED COMPONENTS 3dcore) target_link_libraries(mytarget PRIVATE Qt6::3dcore)find_package是没有问题&#xff0c;但是target_link_libraries会报错&#xff0c;报拼写错误&#xff0c;无法链接上Qt6::3dcore 需要使用“3DCore”…

工厂如何最大化mes系统的价值

mes系统&#xff08;Manufacturing Execution System&#xff09;是现代工厂管理中的一个重要系统&#xff0c;它可以实现生产过程中的信息约束与控制&#xff0c;促进生产流程的跟踪和分析&#xff0c;提高生产效率及质量。 一、整合mes系统和erp系统 mes系统和erp系统是两个…

STM32 IIC协议

本文代码使用 HAL 库。 文章目录 前言一、什么是IIC协议二、IIC信号三、IIC协议的通讯时序1. 写操作2. 读操作 四、上拉电阻作用总结 前言 从这篇文章开始为大家介绍一些通信协议&#xff0c;包括 UART&#xff0c;SPI&#xff0c;IIC等。 UART串口通讯协议 SPI通信协议 一、…

【深度学习】YOLOv10实战:20行代码将笔记本摄像头改装成目标检测监控

目录 一、引言 二、YOLOv10视觉目标检测—原理概述 2.1 什么是YOLO 2.2 YOLO的网络结构 三、YOLOv10视觉目标检测—训练推理 3.1 YOLOv10安装 3.1.1 克隆项目 3.1.2 创建conda环境 3.1.3 下载并编译依赖 3.2 YOLOv10模型推理 3.2.1 模型下载 3.2.2 WebUI推理 …

微服务架构-微服务架构的挑战与微服务化的具体时机

目录 一、微服务架构的挑战 1.1 概述 1.2 服务拆分 1.3 开发挑战 1.4 测试挑战 1.4.1 开箱即用、一键部署的集成环境 1.4.2 测试场景和测试确定性 1.4.3 微服务相关的非功能测试 1.4.4 自动化测试 1.5 运维挑战 1.5.1 监控 1.5.2 部署 1.5.3 问题追查 1.5.4 依赖管…

chrome调试手机网页

前期准备 1、 PC端安装好chrmoe浏览器 2、 安卓手机安装好chrmoe浏览器 3、 数据线 原文地址&#xff1a;https://lengmo714.top/343880cb.html 手机打开调试模式 进入手机设置&#xff0c;找到开发者模式&#xff0c;然后启用USB调试 打开PC端chrome调试功能 1、点击chr…

视频汇聚平台EasyCVR对接GA/T 1400视图库:结构化数据(人员/人脸、车辆、物品)对象XMLSchema描述

在信息化浪潮席卷全球的背景下&#xff0c;公安信息化建设日益成为提升社会治理能力和维护社会稳定的关键手段。其中&#xff0c;GA/T 1400标准作为公安视频图像信息应用系统的核心规范&#xff0c;以其结构化数据处理与应用能力&#xff0c;为公安信息化建设注入了强大的动力。…

webpack5零基础入门-19HMR的应用

1.定义 HMR即HotModuleReplacement 开发时&#xff0c;当我们修改了其中一个模块的代码webpack默认会将所有模块重新打包编译&#xff0c;速度很慢所以我们需要做到修改摸个模块代码&#xff0c;只对这个模块的代码重新打包编译&#xff0c;其他模块不变&#xff0c;这样打包…

【excel】设置二级联动菜单

文章目录 【需求】在一级菜单选定后&#xff0c;二级菜单联动显示一级菜单下的可选项【步骤】step1 制作辅助列1.列转行2.在辅助列中匹配班级成员 之前做完了 【excel】设置可变下拉菜单&#xff08;一级联动下拉菜单&#xff09;&#xff0c;开始做二级联动菜单。 【需求】在…

算法(六)计数排序

文章目录 计数排序技术排序简介算法实现 计数排序 技术排序简介 计数排序是利用数组下标来确定元素的正确位置的。 假定数组有10个整数&#xff0c;取值范围是0~10&#xff0c;可以根据这有限的范围&#xff0c;建立一个长度为11的数组。数组下标从0到10&#xff0c;元素初始…

【C++】哈希(2万字)

提示&#xff1a;文章写完后&#xff0c;目录可以自动生成&#xff0c;如何生成可参考右边的帮助文档 目录 前言 unordered系列关联式容器 unordered_map unordered_map的文档介绍 unordered_map的接口说明 unordered_set 底层结构 哈希概念 哈希冲突 哈希函数 哈希…

【康耐视国产案例】Nvidia/算能+智能AI相机:用AI驱动 | 降低电动车成本的未来之路

受环保观念影响、政府激励措施推动与新能源技术的发展&#xff0c;消费者对电动汽车(EV)的需求正在不断增长&#xff0c;电动汽车已经成为了未来出行方式的重要组成部分。然而&#xff0c;电动汽车大规模取代燃油汽车的道路还很漫长。最大的障碍就是电动汽车的售价相对过高。尽…

新设立湖北投资管理公司流程和要求

在湖北投资管理企业进行注册时&#xff0c;需要准备一系列的材料并按照一定的流程进行办理。本文将从注册材料及注册流程两方面来介绍&#xff0c;帮助您了解注册投资管理企业的步骤和所需的具体材料。详情致电咨询我或者来公司面谈。 新注册材料要求: 企业名称申请书:要求提供…

vue路由跳转之【编程式导航与传参】

vue路由有两种跳转方式 ----> 编程式与声明式&#xff0c;本文重点讲解vue路由的【编程式导航 】【编程式导航传参 ( 查询参数传参 & 动态路由传参 ) 】等内容&#xff0c;并结合具体案例让小伙伴们深入理解 &#xff0c;彻底掌握&#xff01;创作不易&#xff0c;需要的…

汇编:调用C函数

在32位汇编程序中可以调用C函数&#xff1b;这种做法在很多情况下是有用的&#xff0c;尤其是在汇编程序需要与C代码进行交互或利用C语言的库函数时。下面是一些情况下使用汇编调用C函数的常见情景&#xff1a; ①优化性能&#xff1a;某些特定的任务可能用汇编语言编写更有效率…

[Linux]重定向

一、struct file内核对象 struct file是在内核中创建&#xff0c;专门用来管理被打开文件的结构体。struct file中包含了打开文件的所有属性&#xff0c;文件的操作方法集以及文件缓冲区&#xff08;无论读写&#xff0c;我们都需要先将数据加载到文件缓冲区中。&#xff09;等…

POP —— Nodes DOP

POP Advect by Volumes —— 使用速度场驱动粒子 此节点被设计为更容易通过流体来驱动粒子&#xff0c;通常流体被单独模拟并从磁盘上读取速度场&#xff1b;此操作将修改force、vel、P属性&#xff1b; Update Force&#xff0c;调整粒子的加速度&#xff0c;类似POP Force&a…

RAID技术迭代、原理对比、产品梳理(HCIA)

目录 一、RAID技术迭代 传统RAID LUN虚拟化2.0 工作原理&#xff1a; 块虚拟化2.0 为什么有RAID2.0&#xff1f; RAID2.0实现原理&#xff1a; RAID-TPRAID 7 华为RAID-TP技术 RAID的4种工作状态 RAID算法 普通RAID算法 华为动态RAID算法 保险箱盘&#xff08;存掉…

el-table中的信息数据过长 :show-overflow-tooltip=‘true‘**

可以在 el-table-column中添加 :show-overflow-tooltip‘true’