group_by(group02) %>% summarise(value=sum(class_counts)) %>% ungroup() %>% mutate(group02=factor(group02, levels = c("Others","Gammaproteobacteria", "Bacilli","Bacteroidia", "Clostridia", "Negativicutes"))) -> df02 df %>% select(Order) %>% mutate(Order=str_replace(Order,"o__...
代码组成如下,这里使用格式刷mybar和mytheme,然后用geom_text添加柱形图标签(vjust=1表示在柱形图里面显示) data1<-diamonds %>% group_by(cut) %>% summarize(avg_price=mean(price)) 柱形图<-ggplot(data1,aes(x=cut,y=avg_price,fill=as.factor(cut)))+ mytitle+mybar+mytheme+ geom_text(aes(label...
library(dplyr) #加载dplyr包 by_sex<-group_by(newdata,sex) #对性别进行分组 newdata1<-summarise(by_sex,n=n(),mean=mean(SBP),sd=sd(SBP)) #分别计算男女例数,均数,标准差 newdata1<-mutate(newdata1,se=sd/sqrt(n)) #对标准误进行计算 View(newdata1) 将原数据整理成绘图所需要的数据 下图...
ggplot(mpg,aes(displ,hwy))+geom_point(aes(color=class))+geom_point(size=3,shape=1,data=best_in_class)+ggrepel::geom_label_repel(aes(label=model),data=best_in_class) #这里还自动用较大的空心圆来强调添加了标签的数据点 class_avg<-mpg %>% group_by(class) %>%summarize(displ=median(di...
data2<-diamonds %>% group_by(cut,color) %>% summarize(avg_price=mean(price)) #画图,套用设定好的绘图元素 ggplot(data2,aes(x=color,y=avg_price))+facet_wrap(~cut,ncol = 2)+ mytitle+mybar+mytheme #在facet_wrap里面,如果加上scales="free"的话,坐标就不一样了。
top3 = markers %>% group_by(cluster) %>% top_n(n = 3, wt = avg_log2FC) g2 = unique(top3$gene) 基于VlnPlot参数美化小提琴图 1. 直接可视化 VlnPlot(sce.all.int, features = g2[1:6]) 如果直接使用VlnPlot可视化,不设置参数,会得到每个基因单独展示的结果,不太易读。
data2<-diamonds %>% group_by(cut,color) %>% summarize(avg_price=mean(price)) #画图,套用设定好的绘图元素 ggplot(data2,aes(x=color,y=avg_price))+facet_wrap(~cut,ncol =2)+ mytitle+mybar+mytheme #在facet_wrap里面,如果加上scales="free"的话,坐标就不一样了。
12don=data %>% mutate(month = as.Date(cut(day, breaks ="month"))) %>%#group by month 13group_by(month) %>% 14summarise(average = mean(value))#与group by 联用,新生成一列放入原数据框 15 16# And make the plot 17ggplot(don, aes(x=month, y=average)) + ...
采用ggplot2绘制误差线需要对数据转换求得mean和sd(或se等),可以通过Rmisc包summarySE函数、dplyr包group_by与summarise两个函数等实现,添加p-value(或显著性标记)可采用ggpubr包,然而添加p-value无需数据转换。这样,ggplot2同时绘制误差线与p-value则需要采用多数据框,太过复杂。下面提供一个简单的一步到位法。
这里遇到一个新的函数tally(),这个函数来自dplyr这个包,作用是统计每个元素出现的个数,比如用iris这个数据集做一个简单的演示 代码语言:javascript 复制 iris%>%group_by(Species)%>%tally() image.png 记下来是四个柱形图的代码 代码语言:javascript