点击关注，焕丰基因

欢峰基因公众号推出了基于R语言的绘图教程，并配有视频在线教程。当前编译的教程目录如下：

1. SCI文章灵魂的简洁大方的图表配色

2. SCI文章绘图必备的R语言基础

3. SCI文章画图需要的R数据转换

4. SCI文章绘制散点图()

5. SCI文章绘制直方图()

6. SCI文章绘制箱线图()

7. SCI文章绘制折线图()

8. SCI文章绘图饼图()

9. SCI文章绘图的维恩图()

10. SCI文章绘制直方图()

11. SCI文章绘图小提琴图()

12. SCI文章绘图的相关矩阵（ ）

13. SCI文章绘制与文章复制的桑树图()

14. SCI文章绘制和文章再现的和弦图（Chord）

15.SCI文章绘制多组图()

16. SCI文章绘制树图()

17. SCI文章绘图的主成分图（pca3d）

18. SCI文章绘制矩形树图()

19. SCI文章绘制斜率图

20. SCI文章中图纸的马赛克()

21. SCI文章中绘图的三维散点图()

22. SCI文章中的核密度和山图()

前言

二维散点图与统计直方图、核密度估计图、箱线图、小提琴图相结合实现。在分析数据时mac 画箱线图的软件，往往希望数据的统计图形能够显示在图表上。这个时候mac 画箱线图的软件，我们有多种方式来实现这一点。

包安装

目前有 3 个包实现了这个功能，包括 , , 和安装如下：

if(!require(ggpubr))
  install.packages("ggpubr")
if(!require(ggExtra))

  install.packages("ggExtra")
if(!require(gridExtra))
  install.packages("gridExtra")

数据读取

我们这里使用 iris 数据集，分组如下：

data(iris)
head(iris)
##   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1          5.1         3.5          1.4         0.2  setosa
## 2          4.9         3.0          1.4         0.2  setosa
## 3          4.7         3.2          1.3         0.2  setosa
## 4          4.6         3.1          1.5         0.2  setosa
## 5          5.0         3.6          1.4         0.2  setosa
## 6          5.4         3.9          1.7         0.4  setosa

示例操作 1. {}

R包.plot的()函数参数有3种可供选择：

选择“”参数绘制核密度估计图；

选择“”参数绘制统计直方图；

选择“””参数绘制箱线图。

绘制核密度估计图

library(ggpubr)
# Basic scatter plot with marginal density plot
ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width", color = "#00AFBB", margin.params = list(fill = "lightgray"),
    margin.plot = "density")

绘制统计直方图

ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width", color = "#00AFBB", margin.plot = "histogram")

绘制箱线图

ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width", color = "#00AFBB", margin.plot = "boxplot")

绘制分组核密度估计

# Grouped data
ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width", color = "Species", size = 3,
    alpha = 0.6, palette = c("#00AFBB", "#E7B800", "#FC4E07"), margin.params = list(fill = "Species",
        color = "black", size = 0.2))

绘制分组箱线图

# Use boxplot as marginal
ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width", color = "Species", size = 3,
    alpha = 0.6, palette = c("#00AFBB", "#E7B800", "#FC4E07"), margin.plot = "boxplot",
    ggtheme = theme_bw())

绘制分组统计直方图

# Use histogram as marginal
ggscatterhist(iris, x = "Sepal.Length", y = "Sepal.Width", color = "Species", size = 3,
    alpha = 0.6, palette = c("#00AFBB", "#E7B800", "#FC4E07"), margin.plot = "histogram",
    ggtheme = theme_bw())

2. {}

包的()函数类型有五种可供选择：

选择“”参数绘制核密度估计图；

选择“””参数绘制直方图；

选择“””参数绘制统计直方图；

选择“”参数绘制箱线图；

选择“”参数绘制小提琴图。

library(ggExtra)
library(ggplot2)
p <- ggplot(iris, aes(Sepal.Length, Sepal.Width)) + geom_point()
p

绘制核密度估计图

# Using density plot
ggMarginal(p, type = "density")

绘制直方图

# Using histogram plot
ggMarginal(p, type = "histogram")

绘制箱线图

# Using boxplot plot
ggMarginal(p, type = "boxplot")

画小提琴图

# Using violin plot
ggMarginal(p, type = "violin")

绘制统计直方图

# Using a 'densigram' plot
ggMarginal(p, type = "densigram")

绘制分组核密度估计

# Using groupColour and groupFill In order to use either of these arguments, we
# must map 'colour' in the scatter plot to a factor or character variable
p <- ggplot(iris, aes(Sepal.Length, Sepal.Width, colour = Species)) + geom_point()
p
ggMarginal(p, groupColour = TRUE)

plot 绘制核密度估计

ggMarginal(p, type = "density", groupColour = TRUE, groupFill = TRUE)

绘制分组直方图

ggMarginal(p, type = "histogram", groupColour = TRUE, groupFill = TRUE)

绘制分组小提琴图

ggMarginal(p, type = "violin", groupColour = TRUE, groupFill = TRUE)

绘制分组箱线图

ggMarginal(p, type = "boxplot", groupColour = TRUE, groupFill = TRUE)

绘制分组统计直方图

ggMarginal(p, type = "densigram", groupColour = TRUE, groupFill = TRUE)

3.网格。{}

包的 grid.() 函数实现了包绘制的散点图和统计直方图的组合。

library(gridExtra)
p1 <- qplot(Sepal.Length, Sepal.Width, data = iris)
p2 <- ggplot(iris, aes(Sepal.Length)) + geom_density() + xlab("")
p3 <- ggplot(iris, aes(Sepal.Width)) + geom_density() + coord_flip() + xlab("")
empty <- ggplot() + theme(panel.background = element_blank(), axis.title.x = element_blank(),
    axis.title.y = element_blank(), axis.text.x = element_blank(), axis.text.y = element_blank(),
    axis.ticks = element_blank())
grid.arrange(p2, empty, p1, p3, ncol = 2, nrow = 2, widths = c(4, 1), heights = c(1,
    4))

总结

这三种方法可以实现二维散点图和统计直方图的结合。其中()函数最简单，grid.()函数可控性最好，也最复杂。

软件包附带的示例mac 画箱线图的软件，我在这里展示了它们，以便大家更容易选择适合自己的图形。另外，如果需要代码，请将本教程转发到朋友圈，并配文“学生来信，找焕峰基因，铸就成功”。你！”得到它！

焕丰基因，成功的你！

想加入盛信交流群的老师可以扫最后一个二维码加微信，备注“单位+姓名+目的”，部分想打广告的人可以不打扰，还得努力把你踢出去！

: . 建于 2019 年 5 月 2 日上午 9:12

本文使用文章同步助手进行同步