安臣兴 發表於 2022-2-17 10:51:41

R语言绘制带ErrorBar的分组条形图代码的分享

<div id="navCategory"><h5 class="catalogue">目录</h5><ul class="first_class_ul"><li>第一种实现方法：用aggregate计算数据</li><li>第二种实现方法：用dplyr包计算数据</li></ul></div><p>笔者近期画了一张带error bar的分组条形图，将相关的代码分享一下。</p>
<p>感谢网友青山屋主的建议，提示笔者要严谨区分技术重复和生物学重复，所以笔者对文章做修改后重发。如果各位有任何建议，欢迎指正。</p>
<p>本文旨在给出一种利用R对生物学重复数据画带error bar的分组条形图的方法。</p>
<p>所用数据是模拟生成的：分成三个组，每个组进行了若干次生物学重复；测量的是3种基因的表达量。数据的部分内容如下：</p>
<div class="jb51code"><pre class="brush:ruby;">##       gene1    gene2    gene3Group
## 149.72475 267.0007 126.2007 Group1
## 2 114.62184 173.8780 150.2641 Group2
## 3 128.03351 227.9456 152.6378 Group3
## 4 134.90841 385.1979 148.2739 Group1
## 5 136.56659 190.0663 122.6201 Group2
## 6 143.88241 329.0516 236.9131 Group3</pre></div>
<p>两种方法的完整代码放在了文末。如有问题，欢迎指正！</p>
<p class="maodian"></p><h2>第一种实现方法：用aggregate计算数据</h2>
<div class="jb51code"><pre class="brush:ruby;"># 导入数据
setwd("E:/")
df &lt;- read.csv("gene_exp.csv", header=T)

# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df) &lt;- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容</pre></div>
<div class="jb51code"><pre class="brush:ruby;">## 'data.frame':    3000 obs. of4 variables:
##$ gene-1: num49.7 114.6 128 134.9 136.6 ...
##$ gene-2: num267 174 228 385 190 ...
##$ gene-3: num126 150 153 148 123 ...
##$ Group : Factor w/ 3 levels "Group1","Group2",..: 1 2 3 1 2 3 1 2 3 1 ...</pre></div>
<div class="jb51code"><pre class="brush:ruby;"># 将上述"宽数据"转化为"长数据"
library(reshape2)
df_reshape &lt;- melt(df, id.vars=c("Group"))
str(df_reshape)</pre></div>
<div class="jb51code"><pre class="brush:ruby;">## 'data.frame':    9000 obs. of3 variables:
##$ Group   : Factor w/ 3 levels "Group1","Group2",..: 1 2 3 1 2 3 1 2 3 1 ...
##$ variable: Factor w/ 3 levels "gene-1","gene-2",..: 1 1 1 1 1 1 1 1 1 1 ...
##$ value   : num49.7 114.6 128 134.9 136.6 ...</pre></div>
<div class="jb51code"><pre class="brush:ruby;"># 获取三个组各个基因表达量的平均值
df_mean &lt;- aggregate(df_reshape$value, list(Group=df_reshape$Group,
                        gene=df_reshape$variable), mean, na.rm=T)

# 获取三个组各个基因表达量的标准差
df_sd &lt;- aggregate(df_reshape$value, list(Group=df_reshape$Group,
                        gene=df_reshape$variable), sd, na.rm=T)

# 合并mean和sd
colnames(df_mean) &lt;- "mean"
colnames(df_sd) &lt;- "sd"
df_stat &lt;- merge(df_mean, df_sd, by=c("Group", "gene"))
str(df_stat)</pre></div>
<div class="jb51code"><pre class="brush:ruby;">## 'data.frame':    9 obs. of4 variables:
##$ Group: Factor w/ 3 levels "Group1","Group2",..: 1 1 1 2 2 2 3 3 3
##$ gene : Factor w/ 3 levels "gene-1","gene-2",..: 1 2 3 1 2 3 1 2 3
##$ mean : num120 249 149 119 250 ...
##$ sd   : num19.4 51.4 30.2 21.2 52.3 ...</pre></div>
<div class="jb51code"><pre class="brush:ruby;"># 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge &lt;- position_dodge(width=.9)
ggplot(data=df_stat) +
geom_bar(aes(x=gene, y=mean, fill=Group),
         stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
                stat="identity", position=dodge, width=.3)</pre></div>
<p style="text-align:center"><img alt="" height="960" src="https://img.jbzj.com/file_images/article/202202/2022021710310048.png" width="1200" /></p>
<p class="maodian"></p><h2>第二种实现方法：用dplyr包计算数据</h2>
<div class="jb51code"><pre class="brush:ruby;"># 导入数据
setwd("E:/")
df &lt;- read.csv("gene_exp.csv", header=T)

# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df) &lt;- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容</pre></div>
<div class="jb51code"><pre class="brush:ruby;">## 'data.frame':    3000 obs. of4 variables:
##$ gene-1: num49.7 114.6 128 134.9 136.6 ...
##$ gene-2: num267 174 228 385 190 ...
##$ gene-3: num126 150 153 148 123 ...
##$ Group : Factor w/ 3 levels "Group1","Group2",..: 1 2 3 1 2 3 1 2 3 1 ...</pre></div>
<div class="jb51code"><pre class="brush:ruby;"># 获取三个组各个基因表达量的平均值和标准差
library(tidyr)
library(dplyr)
df_stat &lt;- tbl_df(df) %&gt;%
gather(gene, value, -Group) %&gt;%# 将"宽数据"转化为"长数据"
group_by(Group, gene) %&gt;%         # 将数据分组
summarise(mean=mean(value, na.rm=T), sd=sd(value, na.rm=T)) %&gt;% # 计算每组数据的mean和sd
ungroup()
str(df_stat)</pre></div>
<div class="jb51code"><pre class="brush:ruby;">## Classes 'tbl_df', 'tbl' and 'data.frame':    9 obs. of4 variables:
##$ Group: Factor w/ 3 levels "Group1","Group2",..: 1 1 1 2 2 2 3 3 3
##$ gene : chr"gene-1" "gene-2" "gene-3" "gene-1" ...
##$ mean : num120 249 149 119 250 ...
##$ sd   : num19.4 51.4 30.2 21.2 52.3 ...</pre></div>
<div class="jb51code"><pre class="brush:ruby;"># 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge &lt;- position_dodge(width=.9)
df_stat %&gt;% ggplot() +
geom_bar(aes(x=gene, y=mean, fill=Group),
         stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
                stat="identity", position=dodge, width=.3)</pre></div>
<p style="text-align:center"><img alt="" height="960" src="https://img.jbzj.com/file_images/article/202202/2022021710310149.png" width="1200" /></p>
<p>两种方法的结果是一样的，相对而言，dplyr的实现方法更简单快捷。</p>
<p>最后，两种方法的完整代码如下：</p>
<div class="jb51code"><pre class="brush:ruby;">#################第一种实现方法：用aggregate计算数据######################
# 导入数据
setwd("E:/")
df &lt;- read.csv("gene_exp.csv", header=T)

# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df) &lt;- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容

# 将上述"宽数据"转化为"长数据"
library(reshape2)
df_reshape &lt;- melt(df, id.vars=c("Group"))
str(df_reshape)

# 获取三个组各个基因表达量的平均值
df_mean &lt;- aggregate(df_reshape$value, list(Group=df_reshape$Group,
                        gene=df_reshape$variable), mean, na.rm=T)

# 获取三个组各个基因表达量的标准差
df_sd &lt;- aggregate(df_reshape$value, list(Group=df_reshape$Group,
                        gene=df_reshape$variable), sd, na.rm=T)

# 合并mean和sd
colnames(df_mean) &lt;- "mean"
colnames(df_sd) &lt;- "sd"
df_stat &lt;- merge(df_mean, df_sd, by=c("Group", "gene"))
str(df_stat)

# 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge &lt;- position_dodge(width=.9)
ggplot(data=df_stat) +
geom_bar(aes(x=gene, y=mean, fill=Group),
         stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
                stat="identity", position=dodge, width=.3)

####################第二种实现方法：用dplyr包计算数据######################
# 导入数据
setwd("E:/")
df &lt;- read.csv("gene_exp.csv", header=T)

# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df) &lt;- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容

# 获取三个组各个基因表达量的平均值和标准差
library(tidyr)
library(dplyr)
df_stat &lt;- tbl_df(df) %&gt;%
gather(gene, value, -Group) %&gt;%# 将"宽数据"转化为"长数据"
group_by(Group, gene) %&gt;%         # 将数据分组
summarise(mean=mean(value, na.rm=T), sd=sd(value, na.rm=T)) %&gt;% # 计算每组数据的mean和sd
ungroup()
str(df_stat)

# 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge &lt;- position_dodge(width=.9)
df_stat %&gt;% ggplot() +
geom_bar(aes(x=gene, y=mean, fill=Group),
         stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
                stat="identity", position=dodge, width=.3)</pre></div>
<p>以上就是 R语言绘制带ErrorBar的分组条形图代码的分享的详细内容，更多关于 R语言绘制带ErrorBar的分组条形图的资料请关注琼殿技术社区其它相关文章！</p>
                           
                            <div class="art_xg">
                              <b>您可能感兴趣的文章:</b><ul><li>R语言绘图数据可视化pie chart饼图</li><li>R语言数可视化Split violin plot小提琴图绘制方法</li><li>R语言绘图技巧导出高清图方法</li><li>R语言绘制Radar&nbsp;chart雷达图</li></ul>
                            </div>

                        </div>
                        <!--endmain-->
頁: [1]
查看完整版本: R语言绘制带ErrorBar的分组条形图代码的分享