{r setup, include=FALSE} knitr::opts_chunk$set(eval = FALSE) ggpubr提高作图效率 。 这个包R的作图省略了好多步骤，类似于爬虫的postman。
实际上，我们主要做统计分析，画太多时间画图，很不情愿。
{r} library(ggpubr) library(tidyverse)
图+均线
{r} mtcars %>% gather(key,value,everything()) %>% group_by(key) %>% summarise(n_distinct(value)) %>% arrange(desc(`n_distinct(value)`)) mtcars1 <- mtcars %>% mutate(am = as.factor(am)) mtcars1 %>% ggdensity(x = "qsec", # 注意变量str化 col = "am", add = "mean", # 加均线 rug = TRUE, # rug | logical value. If TRUE, add marginal rug. fill = "am", # 这是做频率图我经常忘了，为了好看。 palette = c("#00AFBB", "#E7B800")) # 这个我真的不记得。 mtcars1 %>% gghistogram(x = "qsec", # 注意变量str化 col = "am", add = "mean", # 加均线 rug = TRUE, # rug | logical value. If TRUE, add marginal rug. fill = "am", # 这是做频率图我经常忘了，为了好看。 palette = c("#00AFBB", "#E7B800")) # 这个我真的不记得。
注意变量str化，因此要因子化提前mutate， 这个图唯一好的，就是可以加均线而已， rug就是图下的竖线，不明白。 palette = c("#00AFBB", "#E7B800"))两种对比，推荐的配色。 ggdensity和gghistogram取决于离散程度。
ECDF
{r} mtcars1 %>% ggplot(aes(qsec)) + stat_ecdf(aes(color = am,linetype = am), geom = "step", size = 1.5) + scale_color_manual(values = c("#00AFBB", "#E7B800"))+ labs(y = "f(weight)")
不好看。
箱线图、小提琴图和p值
在前面的eda解释中，箱线图主要用于一个分类和一个连续变量的分析。
{r} mtcars2 <- mtcars1 %>% mutate(cyl = as.factor(cyl)) mtcars2 %>% ggboxplot( x = "cyl", y = "qsec", col = "cyl", palette = c("#00AFBB", "#E7B800", "#FC4E07"), add = "jitter") + stat_compare_means( comparisons = list( c("4", "6"), c("4", "8"), c("6", "8") ))
经过之前重复抽样的理解，这里对样本间均值差异的p值，应该有很深的理解了，因此，这里还可以比较，这样的话，直接给p值，这样不会让人看图很confuse。 stat_compare_means完成这一目标，直接放入对比pairs就好。 palette = c("#00AFBB", "#E7B800", "#FC4E07")三个比较的配色。
{r} mtcars2 %>% ggviolin( x = "cyl", y = "qsec", fill = "cyl", palette = c("#00AFBB", "#E7B800", "#FC4E07"), add = "boxplot", add.params = list(fill="white")) + stat_compare_means( comparisons = list( c("4", "6"), c("4", "8"), c("6", "8") ), label = "p.signif", label.y = 50 )
这里修改add，换成内置箱形图。 add.params改变箱形图的颜色。 label = "p.signif",我也觉得数字很烦，这个比较简洁。其中ns: p > 0.05。
ns: p > 0.05*: p <= 0.05**: p <= 0.01***: p <= 0.001****: p <= 0.0001
label.y = 50定位p值图中显示位置。
条形图+不分组排序
这个我一直在ggplot里面没有实现好。 可以借鉴一下。
{r} for (i in c(TRUE,FALSE)){ print( mtcars %>% mutate(cyl = as.factor(cyl), ) %>% rownames_to_column(var = "name") %>% ggbarplot(x="name", y="mpg", fill = "cyl", color = "white", palette = "jco",#杂志jco的配色 sort.val = "desc",#下降排序 sort.by.groups=i,#不按组排序 x.text.angle=60) ) }
我之前一直没有很容易的放在一张图比较。
x.text.angle=60这个更加简单了。 theme(axis.text.x = element_text(angle = 70, hjust = 1)) 比较复杂。
偏差图
这些美化，都是我需要提前做好的。
{r} mtcars %>% rownames_to_column(var = "name") %>% mutate(cyl = as.factor(cyl), mpg_z = (mpg-mean(mpg))/sd(mpg), mpg_grp = case_when( mpg_z<0 ~ "low", TRUE ~ "high ), mpg_grp = as.factor(mpg_grp), mpg_grp = fct_relevel(mpg_grp,"low", "high") ) %>% ggbarplot( x="name", y="mpg_z", fill = "mpg_grp", color = "white", palette = "jco", sort.val = "asc", sort.by.groups = FALSE, x.text.angle=60, ylab = "MPG z-score", xlab = FALSE, legend.title="MPG Group )
这里其实使用了标准化处理$\frac{x-\mu}{\sigma}$
mpg_z = (mpg-mean(mpg))/sd(mpg),
mpg_grp = case_when(
mpg_z<0 ~ "low",
TRUE ~ "high
),
mpg_z = fct_relevel(mpg_z,"low", "high")
棒棒糖图(Lollipop chart)
这个之前当初我搞了很久了。 终于出了简单的方法了。
{r} for (i in c(TRUE,FALSE)) { mtcars %>% rownames_to_column(var = "name") %>% mutate(cyl = as.factor(cyl)) %>% ggdotchart( x="name", y="mpg", color = "cyl", palette = c("#00AFBB", "#E7B800", "#FC4E07"), sorting = "ascending", add = "segments", rotate=i, ggtheme = theme_minimal() ) }
rotate决定是否旋转，比ggplot简单多了，coord_flip。
```{r}
mtcars %>% rownames_to_column(var = “name”) %>% mutate(cyl = as.factor(cyl)) %>% ggdotchart( x=“name”, y=“mpg”, color = “cyl”, palette = c("#00AFBB", “#E7B800”, “#FC4E07”), sorting = “ascending”, add = “segments”, rotate=TRUE, group = “cyl”, dot.size = 6, label = round(mtcars$mpg), font.label = list(color=“white”, size=9, vjust=0.5),
ggtheme = theme_minimal()
)
```
label = round(mtcars$mpg),这是目前这个包的一个bug，必须这么做，但是呢，已经非常出色了。