利用ggplot函数作图,数据为c2data,此时能显示出Ge1和Ge2的分布情况,可以看出在Ge_1(x轴)上分成了两类,而Ge_2上分类趋势很小(因为Ge_2本身就没什么差异分组) p <- ggplot(c2_data,aes(Ge_1,Ge_2)) + geom_point(aes(color=factor(Group))) + theme(legend.position = c(0.5
library(scatterplot3d) scatterplot3d(tmp[,1:3], # 第1-3主成分 # 颜色长度要和样本长度...
❝本节来继续进行论文图表复现,主要还是基于「ggplot2」来进行数据可视化 ❞ ❝近期系统整理了一下公众号所写过的一些经典文档,如果需要获取全部代码的欢迎加入小编的VIP交流群,「付费99元,周期一年」群内同步上传代码, 公众号右下角添加微信咨询即可❞ 以往案例 本节来复现文章中的Fig3-h 安装并加载R包 代...
plot.margin=unit(c(1,1,1,1),"line"), legend.title=element_blank(), legend.key =element_rect(fill ="white") ) percentage <-round(pr$sdev /sum(pr$sdev) * 100, 2) percentage <-paste(colnames(pca),"(",paste(as.character(percentage),"%",")", sep="") ) p <-ggplot(pca,aes...
library(ggplot2) library(ggbeeswarm) library(scatterplot3d) library(useful) library(ggfortify) 需要加载上述R包,如果没有请先安装后载入R包。 绘制图像 p <- ggplot(c_data,aes(Ge_1,R)) + geom_quasirandom( aes(color=factor(Group))) +theme(legend.position = c(0.5,0.8)) + ...
https://cran.r-project.org/web/packages/SIBER/vignettes/Plot-SIA-ggplot2.html 按照这个参考链接的代码 我们试试。用之前提到的小麦种子数据做示例数据 加载需要用到的包 代码语言:javascript 代码运行次数:0 运行 AI代码解释 library(ggplot2) library(ggforce) library(tidyverse) 读取数据 代码语言:javascr...
library(knitr)library(psych)library(reshape2)library(ggplot2)library(ggbeeswarm)library(scatterplot3d)library(useful)library(ggfortify) 需要加载上述R包,如果没有请先安装后载入R包。 绘制图像 p <- ggplot(c_data,aes(Ge_1,R)) + geom_quasirandom(aes(color=factor(Group))) +theme(legend.position ...
简介:R语言中如何进行PCA分析?利用ggplot和prcomp绘制基因表达量分析图(下) PCA的实现流程 使用上面创建的data_3数据来进行后续操作。首先生成表达矩阵,包含3个基因在200个样本中的表达情况。 > kable(headTail(data_3),booktabs=T,caption = "Expression 3Gene in 200 samples")Table: Expression 3Gene in 200...
# geom_quasirandom:用于画Jitter Plot # theme(axis.*.y): 去除Y轴 # xlim, ylim设定坐标轴的区间 ggplot(cy_data,aes(Gene1, Y))+geom_quasirandom(aes(color=factor(Group)), groupOnX=FALSE)+ theme(legend.position=c(0.5,0.7)) + theme(legend.title=element_blank()) + ...
plot(df_pca$x[,1], df_pca$x[,2]) 参考:https://mp.weixin.qq.com/s/1f-0DdRH7WU2hAbGRqrECg 图的含义: n个样本的观察值在新坐标系(PC1,PC2,...)下的位置。比如,样本1在m个基因下有m个值,根据这m个值,可计算得出样本1在PC1,PC2,...下面的值(scores)。比如: ...