pdf(file="ggtree_circle_color.pdf", width=9, height=5) ## tiplab2保证标签自动角度,默认无图例,要显示需要+theme ggtree(tree, layout="fan", ladderize = FALSE, branch.length = "none",aes(color=group))+geom_tiplab2(size=3)+ theme(legend.position = "right") dev.off() 1. 2. 3. 4...
alpha=0)+ geom_tiplab(aes(color=group),show.legend=F)+ scale_color_manual(values = col )+ ggnewscale::new_scale_color()+ geom_taxalink(data=df2, mapping=aes(taxa1=taxa1, taxa2=taxa2, color=group1), hratio=3)+ scale_color_manual(values = c("#2398c5","#febf68")) 1. 2....
p4 <- p3+geom_tiplab()#查看分组标签,拼合时不需要加 p4 使用aplot或者patchwork拼图 #将堆叠柱形图和聚类树拼合,并按照聚类重排: p5 <- p1%>%insert_left(p3,width = 0.4) p5 但是,尝试将p2(分面后)的堆叠柱形图和聚类树进行拼合,聚类树会识别出错,如下图: p55 <- p2%>%insert_left(p3,width =...
复制 library(ggtree)set.seed(2020-03-27)x<-rtree(10)d<-data.frame(taxa=x$tip.label,value=abs(rnorm(10)))p<-ggtree(x)+geom_tiplab(align=TRUE)
ggtree(tree,size=0.8, layout="circular", ladderize=FALSE, branch.length="none", aes(col=group),show.legend = F)+#图形主体 geom_tiplab(aes(color=group),size=3,align = F, offset = 0.001,show.legend = F)+#分支标签scale_color_manual( values=c("black", "#0ebeff", "#47cf73","#...
geom_tiplab2(hjust=-0.3)+ geom_tippoint(size=1.5,col="blue")+ geom_nodepoint(color="black", alpha=1/4, size=2) + theme(legend.title=element_text(face="bold"), legend.position="bottom", legend.box="horizontal", legend.text=element_text(size=rel(0.5))) ...
用到的的geom_tiplab() ggtree(tree)+ geom_tiplab() image.png 从上图可以看到有的文字标签超出了绘图边界 可以首先加上theme_tree2()函数显示出坐标轴范围,然后用xlim()函数更改坐标轴范围 ggtree(tree)+ geom_tiplab()+ theme_tree2() image.png ...
ggtree(tree)+geom_tiplab()+geom_highlight(node=5,fill="lightblue")+# 高亮显示编号为5的节点geom_nodelab(aes(label=node),nudge_x=0.5)# 在节点旁添加节点编号 这段代码在基础进化树的基础上,高亮了编号为5的节点,并在每个节点旁边添加了节点编号。
用到的的geom_tiplab() 代码语言:javascript 复制 ggtree(tree)+geom_tiplab() 从上图可以看到有的文字标签超出了绘图边界 可以首先加上theme_tree2()函数显示出坐标轴范围,然后用xlim()函数更改坐标轴范围 代码语言:javascript 复制 ggtree(tree)+geom_tiplab()+theme_tree2() ...
p<-p+geom_tiplab(size=3.0)+ scale_fill_continuous(low='darkgreen',high = 'red') #调整树的主题,将图例显示在右端 p<-p+theme_tree2(legend.position='right') 树的结果如下 重点 R语言画树有三个难点,1是读取文件,2是定根(reroot),3是画bootstrap值对应的函数要根据实际的系统发生分析软件输出...