zxzhu's blog

柱状图

 Bioinformatics  

柱状图是比较常用的图形，主要用于表示不同种类对象的数量。柱状图不适用于描述连续数据，最好用来描述不同类别的数据。描述数量时，这里包含两种想法，一是描述某类对象本身特征的数据（identity），二是描述某类对象总量的数据（count）。画图时要区分两者。

Basic Bar Graph

1
2
3
4
5

library(tidyverse)
data <- data.frame(name=c("A","B","C","D","E"), value=c(3,12,5,18,45))
data %>% ggplot(aes(x = name, y = value)) + geom_bar(stat = 'identity')           # left
# data %>% ggplot(aes(x = name, y = value)) + geom_col()
data %>% ggplot(aes(x = name)) + geom_bar()             # right; stat = 'count'
basic_bar bar_count

left: stat_identity, right: stat_count

When x is a continuous (or numeric) variable

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15

BOD
#   Time demand
# 1    1    8.3
# 2    2   10.3
# 3    3   19.0
# 4    4   16.0
# 5    5   15.6
# 6    7   19.8
str(BOD)
# 'data.frame':   6 obs. of  2 variables:
#  $ Time  : num  1 2 3 4 5 7
#  $ demand: num  8.3 10.3 19 16 15.6 19.8
#  - attr(*, "reference")= chr "A1.4, p. 270"
BOD %>% ggplot(aes(x = Time, y = demand)) + geom_col()          # continuous
BOD %>% ggplot(aes(x = factor(Time), y = demand)) + geom_col()  # factor; discrete
continuous bar continuous bar

left: continuous, right: discrete

geom_bar() 的结果类似。当画柱状图时，注意确保分类变量为因子类型。

以上就是 ggplot2 里面基本的柱状图画法了，这里就会自然想到一些关于柱状图的问题：

  • 可以换颜色吗？
  • 可以调整柱子宽度和间隔吗？
  • 可以调整柱子从左至右的顺序吗？123457 变成754321?
  • 可以把XY轴换一下吗？
  • 1个类别有多个数据想画柱状图怎么办？即分组画图，上色，注释等

Grouping Bars Together

很多情况下，数据的分类变量有2个而非1个。画柱状图时，我们将1个分类变量分配到X轴，另一个分类变量就可以分配给颜色，这样比较起来就比较直观了。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20

data <- data.frame(
  specie=c(rep("sorgho" , 10) , rep("poacee" , 10) ),
  cond_A=rnorm(20,10,4),
  cond_B=rnorm(20,8,3),
  cond_C=rnorm(20,5,4)
) %>% pivot_longer(cond_A:cond_C, names_to = 'condition', values_to = 'value') %>% 
group_by(specie, condition) %>% summarise(height=mean(value), sd=sd(value))
data
# A tibble: 6 x 4
# Groups:   specie [2]
#   specie condition height    sd
#   <fct>  <chr>      <dbl> <dbl>
# 1 poacee cond_A     11.4   3.23
# 2 poacee cond_B      8.92  2.75
# 3 poacee cond_C      2.79  4.38
# 4 sorgho cond_A      9.81  4.73
# 5 sorgho cond_B      8.25  3.99
# 6 sorgho cond_C      3.78  4.81
data %>% ggplot(aes(x = condition, y = height, fill = specie)) + 
geom_col(position = 'dodge', color='black')

group_bar

实际上，我们可以将另一个分类变量映射到color或者linetype上，不过映射到fill是最直观的。那么我们又自然想到一些问题：

  • 柱状图上可以加数字或者error bar 吗？
  • 颜色映射有默认值，如何自己赋值？
  • 右侧的图例自己出现了，可以控制吗？

Using Colors in a Bar Graph

如果需要在柱状图上添加颜色的话，我们可以通过将颜色映射到 fill 上来实现。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

library(gcookbook)
head(uspopchang)
#        State Abb Region Change
# 1    Alabama  AL  South    7.5
# 2     Alaska  AK   West   13.3
# 3    Arizona  AZ   West   24.6
# 4   Arkansas  AR  South    9.1
# 5 California  CA   West   10.0
# 6   Colorado  CO   West   16.9
uspopchange %>% arrange(desc(Change)) %>% slice(1:10) %>% 
ggplot(aes(x = Abb, y = Change, fill = Region)) + 
geom_col()

geom_col_color

这里有两个问题：柱子可以用Change来排序吗？颜色如何自己赋值？

1
2

topc %>% ggplot(aes(x = reorder(Abb, Change), y = Change, fill = Region)) + geom_col()
# 对 Abb这个因子按照Change重新排序后，ggplot画图就不会用默认的字母排序顺序了

geom_col_reorder

接下来是自定义颜色的问题，ggplot肯定默认有一组颜色，当然也提供了 scale_fill_brewer 以及 scale_fill_manual 两个函数，前者是定义好的一些颜色，后者接受颜色代码。对于前者，我们可以直接打印出来，可以参考 ColorBrewer: Color Advice for Maps (colorbrewer2.org) 网页来选择颜色。

1

RColorBrewer::display.brewer.all()

RColorBrewer

后一种的话，可以用十六进制颜色代码。

1
2
3
4
5
6
7
8

topc %>% ggplot(aes(x = reorder(Abb, Change), y = Change, fill = Region)) + 
	geom_col(color='black') + 
	scale_fill_manual(values = c("#669933", "#FFCC66")) + 
	xlab("State")              # 1
topc %>% ggplot(aes(x = reorder(Abb, Change), y = Change, fill = Region)) + 
	geom_col(color='black') + 
	scale_fill_brewer(palette = "Dark2") + 
	xlab("State")            # 2
col_manual_fill col_scale_brewer

Coloring Negative and Positive Bars Differently

有时候，我们可能会有正负数据，这时用柱状图也是可以的。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14

head(climate)
#     Source Year Anomaly1y Anomaly5y Anomaly10y Unc10y
# 1 Berkeley 1800        NA        NA     -0.435  0.505
# 2 Berkeley 1801        NA        NA     -0.453  0.493
# 3 Berkeley 1802        NA        NA     -0.460  0.486
# 4 Berkeley 1803        NA        NA     -0.493  0.489
# 5 Berkeley 1804        NA        NA     -0.536  0.483
# 6 Berkeley 1805        NA        NA     -0.541  0.475

climate %>% filter(Source == "Berkeley" & Year > 1900) %>% 
	mutate(pos = Anomaly10y >= 0) %>% 
	ggplot(aes(x = Year, y = Anomaly10y, fill = pos)) + 
	geom_col(color = 'black', size = 0.25, position = 'identity') + 
	scale_fill_manual(values = c("#CCEEFF", "#FFDDDD"), guide = FALSE)

col_pos_neg

这里正负轴已经可以代表“正负”含义了，因此，去掉了图例。

Adjusting Bar Width and Spacing

柱状图的柱子宽度以及柱子间的距离怎么调？

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13

cabbage_exp
#   Cultivar Date Weight        sd  n         se
# 1      c39  d16   3.18 0.9566144 10 0.30250803
# 2      c39  d20   2.80 0.2788867 10 0.08819171
# 3      c39  d21   2.74 0.9834181 10 0.31098410
# 4      c52  d16   2.26 0.4452215 10 0.14079141
# 5      c52  d20   3.11 0.7908505 10 0.25008887
# 6      c52  d21   1.47 0.2110819 10 0.06674995

ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) + 
	geom_col(width = 0.5, position = "dodge")
ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
	geom_col(width = 0.5, position = position_dodge(0.7))
col_width col_width_position

width 控制柱子宽度，position_dodge 我理解为组内间距，默认与 width 值相同。两者的默认值均为0.9。

Making a Stacked Bar Graph

有时候也需要把柱子堆起来，我感觉一般用在百分比占比之类的数据上吧。这里也会产生几个问题：

  • 堆叠顺序
  • 纵轴百分比显示
  • 堆叠柱状图添加数字

首先是基本的堆叠柱状图：

1
2
3

cabbage_exp %>% ggplot(aes(x = Date, y = Weight, fill = Cultivar)) + 
	geom_col(color = 'black') +
	scale_fill_brewer(palette = 'Pastel1')

geom_col_stack

这个图有两个分类变量，Date已经在X轴上了，前面演示过用 reorder 来改变顺序。Cultivar被映射到fill上了，它的顺序其实不是那么重要我感觉，只要是对的就可以。不过ggplot2提供了一个reverse选项可以让堆叠柱状图组内顺序反转。

1
2
3

ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
  geom_col(position = position_stack(reverse = TRUE)) +
  guides(fill = guide_legend(reverse = TRUE))                      # legend顺序反转

geom_col_stack_reverse

Making a Proportional Stacked Bar Graph

堆叠图很多情况下用于百分比，那么问题就是如何显示百分比：

1
2
3
4
5
6

cabbage_exp %>%
	group_by(Date) %>%
	mutate(percent_weight = Weight / sum(Weight)) %>%
	ggplot(ce, aes(x = Date, y = percent_weight, fill = Cultivar)) +
	geom_col(color='black') + scale_y_continuous(labels = scales::percent) +
	scale_fill_brewer(palette = "Pastel1")

geom_col_stack_percent

Adding Labels to a Bar Graph

给柱子加标签需要两个数据，一是标签内容，二是标签位置。

1
2
3
4
5
6
7

ggplot(cabbage_exp, aes(x = Date, y = Weight, fill = Cultivar)) +
  geom_col(position = "dodge") +
  geom_text(
    aes(label = Weight),
    colour = "white", size = 3,
    vjust = 1.5, position = position_dodge(.9)
  )

geom_col_label

各个参数作用比较明确。上面是dodge分布，如果是stack分布的话，加labels就需要进行一番计算了。

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12

cabbage_exp %>% arrange(Date, Cultivar) %>% 
	group_by(Date) %>% mutate(label_y = cumsum(Weight))
# A tibble: 6 x 7
# Groups:   Date [3]
#   Cultivar Date  Weight    sd     n     se label_y
#   <fct>    <fct>  <dbl> <dbl> <int>  <dbl>   <dbl>
# 1 c39      d16     3.18 0.957    10 0.303     3.18
# 2 c52      d16     2.26 0.445    10 0.141     5.44
# 3 c39      d20     2.8  0.279    10 0.0882    2.8 
# 4 c52      d20     3.11 0.791    10 0.250     5.91
# 5 c39      d21     2.74 0.983    10 0.311     2.74
# 6 c52      d21     1.47 0.211    10 0.0667    4.21

经过一通乱算，可以得到标签位置 label_y，标签值 Weight。

1
2
3
4
5

cabbage_exp %>% arrange(Date, Cultivar) %>% 
	group_by(Date) %>% mutate(label_y = cumsum(Weight)) %>% 
	ggplot(aes(x = Date, y = Weight, fill = Cultivar)) + 
	geom_col(color='black') + scale_fill_brewer(palette = 'Pastel1') + 
	geom_text(aes(y = label_y, label = Weight))

geom_col_stack_label

??发生甚么事了😕 图上的堆叠顺序和计算时的顺序反了所以标签位置有点问题。另外标签位置还需要上移或者下移一下。重来：

1
2
3
4
5

cabbage_exp %>% arrange(Date, rev(Cultivar)) %>% 
    group_by(Date) %>% mutate(label_y = cumsum(Weight)) %>% 
    ggplot(aes(x = Date, y = Weight, fill = Cultivar)) + 
    geom_col(color='black') + scale_fill_brewer(palette = 'Pastel1') + 
    geom_text(aes(y = label_y, label = Weight), vjust = -1)

geom_col_stack_label2

排序的时候把Cultivar反转一下，标签位置上调一下就OK了😉