作者：严涛 浙江大学作物遗传育种在读研究生（生物信息学方向）伪码农，R语言爱好者，爱开源。
严涛老师的绘图教程还有：
gganimate | 诺奖文章里面的动图绘制教程来了！！
ggplot2学习笔记之图形排列
R包ggseqlogo |绘制序列分析图
ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
简介
ggridges包主要用来绘制山峦图。尤其是针对 时间或者空间分布可视化 具有十分好的效果。 ggridges主要提供两个几何图像函数：
- geom_ridgeline: 主要绘制山脊线图
- geom_density_ridges：主要绘制密度山脊线图
具体用法可以参考官方文档：
https://cran.r-project.org/web/packages/ggridges/vignettes/introduction.html
geom_ridgeline library(ggridges)
library(tidyverse)
# grid.arrange来自于gridExtra包，可以同时拼图多个ggplot2对象
library(gridExtra)
my_data <- data.frame(x=1:5, y=rep(1,5), height=c(0,1,-1,3,2))
plot_base <- ggplot(my_data, aes(x, y, height=height))
# 默认负值不显示，除非指定min_height参数
grid.arrange(plot_base+geom_ridgeline,
plot_base+geom_ridgeline(min_height=-2), ncol=2)
geom_density_ridges
geom_density_ridges函数首先会根据数据计算密度然后绘图，此时美学映射 height 没有必要写入函数中。下面使用 lincoln_weather数据集。
# creates a vector of n equally spaced colors along the
# Matplolib 'viridis' color map
# also designed to be perceived by readers with the most common form of color blindness
# scale_fill_viridis函数来源于此包，
# 其参数 option用于设置颜色 "magma" (or "A"), "inferno" (or "B"), "plasma" (or "C"),
and "viridis" (or "D", the default option).
# ?viridis可以查看其具体含义
library(viridis)
head(lincoln_weather[ ,1:4])
## # A tibble: 6 x 4
## CST `Max Temperature [F]` `Mean Temperature [F]` `Min Temperature ~
## <chr> <int> <int> <int>
## 1 2016-1-1 37 24 11
## 2 2016-1-2 41 23 5
## 3 2016-1-3 37 23 8
## 4 2016-1-4 30 17 4
## 5 2016-1-5 38 29 19
## 6 2016-1-6 34 33 32
# x后的值用 ` (反引号)括起，是因为列名字中存在空格和特殊字符，需要特殊对待
# fill = ..x..， double dots是ggplot2的一种特殊识别符，用来区分定义的和计算的美学参数
# 这里指用横轴的数据着色
ggplot(lincoln_weather, aes(x=`Mean Temperature [F]`, y=`Month`, fill=..x..))+
geom_density_ridges_gradient(scale=3, rel_min_height=0.01, gradient_lwd = 1.)+
scale_x_continuous(expand = c(0.01, 0))+ # 扩展下横轴和纵轴
scale_y_discrete(expand = c(0.01,0))+
scale_fill_viridis(name="Temp. [F]", option = "C")+
labs(title="Temperature in Lincoln NE",
subtitle="Mean temperature (Fahrenheit) by month for 2016\nData:Orogin CSV from the Weather Underground ")+
theme_ridges(font_size = 13, grid = FALSE)+
theme(axis.title.y = element_blank)
cyclinal scales
为了使得 ggridges绘制的图形可视化效果最好，同时为了减少用户对颜色设置的困难，作者提供了 cyclinal scales用于颜色轮转映射。
ggplot(diamonds, aes(x=price, y=cut, fill=cut))+
geom_density_ridges(scale=4)+
scale_fill_cyclical(values = c("blue", "green"))+
theme_ridges(grid = FALSE)
默认的， cyclinal scales为了防止误解是不绘制图例的，但是可以通过选项 guide="legend" 添加图例。
ggplot(diamonds, aes(x=price, y=cut, fill=cut))+
geom_density_ridges(scale=4)+
scale_fill_cyclical(values = c("blue", "green"), guide="legend")+
theme_ridges(grid = FALSE)
跟 ggplot2一样，图例是可以修改的,其他参数比如大小、透明度、形状等都是可以通过 cyclinal scales修改。
ggplot(diamonds, aes(x=price, y=cut, fill=cut))+
geom_density_ridges(scale=4)+
scale_fill_cyclical(values = c("blue", "green"), guide="legend",
labels=c("Fair"="blue", "Good"="green"),
name="Fill colors")+
theme_ridges(grid = FALSE)
再来2个示例
不做解释了，如果想重现就把代码拆解开，按需修改。一句句话单独拆开运行，理解其操作内容。
library(dplyr)
library(forcats)
Catalan_elections %>%
mutate(YearFct = fct_rev(as.factor(Year))) %>%
ggplot(aes(y = YearFct)) +
geom_density_ridges(
aes(x = Percent, fill = paste(YearFct, Option)),
alpha = .8, color = "white", from = 0, to = 100
) +
labs(
x = "Vote (%)",
y = "Election Year",
title = "Indy vs Unionist vote in Catalan elections",
subtitle = "Analysis unit: municipalities (n = 949)",
caption = "Marc Belzunces (@marcbeldata) | Source: Idescat"
) +
scale_y_discrete(expand = c(0.01, 0)) +
scale_x_continuous(expand = c(0.01, 0)) +
scale_fill_cyclical(
breaks = c("1980 Indy", "1980 Unionist"),
labels = c(`1980 Indy` = "Indy", `1980 Unionist` = "Unionist"),
values = c("#ff0000", "#0000ff", "#ff8080", "#8080ff"),
name = "Option", guide = "legend"
) +
theme_ridges(grid = FALSE)
library(DAAG) # for ais dataset
ais$sport <- factor(
ais$sport,
levels = c("B_Ball", "Field", "Gym", "Netball", "Row", "Swim", "T_400m", "T_Sprnt", "Tennis", "W_Polo"),
labels = c("Basketball", "Field", "Gym", "Netball", "Row", "Swim", "Track 400m", "Track Sprint", "Tennis", "Water Polo")
)
ggplot(ais, aes(x=ht, y=sport, color=sex, point_color=sex, fill=sex)) +
geom_density_ridges(
jittered_points=TRUE, scale = .95, rel_min_height = .01,
point_shape = "|", point_size = 3, size = 0.25,
position = position_points_jitter(height = 0)
) +
scale_y_discrete(expand = c(.01, 0)) +
scale_x_continuous(expand = c(0, 0), name = "height [cm]") +
scale_fill_manual(values = c("#D55E0050", "#0072B250"), labels = c("female", "male")) +
scale_color_manual(values = c("#D55E00", "#0072B2"), guide = "none") +
scale_discrete_manual("point_color", values = c("#D55E00", "#0072B2"), guide = "none") +
guides(fill = guide_legend(
override.aes = list(
fill = c("#D55E00A0", "#0072B2A0"),
color = NA, point_color = NA))
) +
ggtitle("Height in Australian athletes") +
theme_ridges(center = TRUE)
还有很多用法有兴趣的可以查看官方文档https://cran.r-project.org/web/packages/ggridges/vignettes/introduction.html和https://cran.r-project.org/web/packages/ggridges/vignettes/gallery.html）继续学习。
R统计和作图
- Graphpad，经典绘图工具初学初探
- 维恩(Venn)图绘制工具大全 （在线+R包）
- 在R中赞扬下努力工作的你，奖励一份CheatShet
- 别人的电子书，你的电子书，都在bookdown
- R语言 - 入门环境Rstudio
- R语言 - 热图绘制 (heatmap)
- R语言 - 基础概念和矩阵操作
- R语言 - 热图简化
- R语言 - 热图美化
- R语言 - 线图绘制
- R语言 - 线图一步法
- R语言 - 箱线图（小提琴图、抖动图、区域散点图）
- R语言 - 箱线图一步法
- R语言 - 火山图
- R语言 - 富集分析泡泡图
- R语言 - 散点图绘制
- R语言 - 韦恩图
- R语言 - 柱状图
- R语言 - 图形设置中英字体
- R语言 - 非参数法生存分析
- R语言 - 绘制seq logo图
- WGCNA分析，简单全面的最新教程
- psych +igraph：共表达网络构建
- 一文学会网络分析——Co-occurrence网络图在R中的实现
- 一文看懂PCA主成分分析
- 富集分析DotPlot，可以服
- 基因共表达聚类分析和可视化
- R中1010个热图绘制方法
- 还在用PCA降维？快学学大牛最爱的t-SNE算法吧, 附Python/R代码
- 一个函数抓取代谢组学权威数据库HMDB的所有表格数据
- 文章用图的修改和排版
- network3D: 交互式桑基图
- network3D 交互式网络生成
- Seq logo 在线绘制工具——Weblogo
- 生物AI插图素材获取和拼装指导
- ggplot2高效实用指南 (可视化脚本、工具、套路、配色)
- 图像处理R包magick学习笔记
- SOM基因表达聚类分析初探
- 利用gganimate可视化全球范围R-Ladies（R社区性别多样性组织）发展情况
- 一分钟绘制磷脂双分子层：AI零基础入门和基本图形绘制
- AI科研绘图（二）：模式图的基本画法
- 你知道R中的赋值符号箭头(<-)和等号（=）的区别吗？
- R语言可视化学习笔记之ggridges包
- 利用ComplexHeatmap绘制热图(一)
- ggplot2学习笔记之图形排列
- R包reshape2，轻松实现长、宽数据表格转换
- 用R在地图上绘制网络图的三种方法
- PCA主成分分析实战和可视化 附R代码和测试数据
- iTOL快速绘制颜值最高的进化树！
- 12个ggplot2扩展包帮你实现更强大的可视化
- 编程模板-R语言脚本写作：最简单的统计与绘图，包安装、命令行参数解析、文件读取、表格和矢量图输出
- R语言统计入门课程推荐——生物科学中的数据分析Data Analysis for the Life Sciences
- 数据可视化基本套路总结
- 你知道R中的赋值符号箭头 <- 和等号 = 的区别吗？
- 使用dplyr进行数据操作30例
- 交集intersect、并集union、找不同setdiff
- R包reshape2，轻松实现长、宽数据表格转换
- 1数据类型（向量、数组、矩阵、 列表和数据框）
- 2读写数据所需的主要函数、与外部环境交互
- 3数据筛选——提取对象的子集
- 4向量、矩阵的数学运算
- 5控制结构
- 6函数及作用域
- 7认识循环函数lapply和sapply
- 8分解数据框split和查看对象str
- 9模拟—随机数、抽样、线性模型
- 1初识ggplot2绘制几何对象
- 2图层的使用—基础、加标签、注释
- 3工具箱—误差线、加权数、展示数据分布
- 4语法基础
- 5通过图层构建图像
- 6标度、轴和图例
- 7定位-分面和坐标系
- 8主题设置、存储导出
- 9绘图需要的数据整理技术
- 创建属于自己的调色板
- 28个实用绘图包，总有几个适合你
- 热图绘制
- R做线性回归
- 绘图相关系数矩阵corrplot
- 相关矩阵可视化ggcorrplot
- 绘制交互式图形recharts
- 交互式可视化CanvasXpress
- 聚类分析factoextra
- LDA分析、作图及添加置信-ggord
- 解决散点图样品标签重叠ggrepel
- 添加P值或显著性标记ggpubr
- Alpha多样性稀释曲线rarefraction curve
- 堆叠柱状图各成分连线画法：突出组间变化
- 冲击图展示组间时间序列变化ggalluvial
- 桑基图riverplot
- 微生物环境因子分析ggvegan
- 五彩进化树与热图更配ggtree
- 多元回归树分析mvpart
- 随机森林randomForest 分类Classification 回归Regression
- 加权基因共表达网络分析WGCNA
- circlize包绘制circos-plot
- R语言搭建炫酷的线上博客系统
- 28个实用绘图包，总有几个适合你
- 热图绘制
- R做线性回归
- 绘图相关系数矩阵corrplot
- 相关矩阵可视化ggcorrplot
- 绘制交互式图形recharts
- 交互式可视化CanvasXpress
- 聚类分析factoextra
- LDA分析、作图及添加置信-ggord
- 解决散点图样品标签重叠ggrepel
- 添加P值或显著性标记ggpubr
- Alpha多样性稀释曲线rarefraction curve
- 堆叠柱状图各成分连线画法：突出组间变化
- 冲击图展示组间时间序列变化ggalluvial
- 桑基图riverplot
- 微生物环境因子分析ggvegan
- 五彩进化树与热图更配ggtree
- 多元回归树分析mvpart
- 随机森林randomForest 分类Classification 回归Regression
- 加权基因共表达网络分析WGCNA
- circlize包绘制circos-plot
- R语言搭建炫酷的线上博客系统
- 维恩(Venn)图绘制工具大全 （在线+R包）
- R包circlize：柱状图用腻了？试试好看的弦状图
- 获取pheatmap聚类后和标准化后的结果
- 增强火山图，要不要试一下？
- 一个震撼的交互型3D可视化R包 - 可直接转ggplot2图为3D
- 赠你一只金色的眼 - 富集分析和表达数据可视化
- 是Excel的图，不！是R的图
- 道友，来Rstudio里面看动画了
- 用了这么多年的PCA可视化竟然是错的！！！
- R语言可视化学习笔记之ggridges包
- 万能转换：R图和统计表转成发表级的Word、PPT、Excel、HTML、Latex、矢量图等
- 那天空飘过的梅花月饼，是今年中秋 最好的礼物
- 本文固定链接: https://maimengkong.com/image/1272.html
- 转载请注明: : 萌小白 2022年11月18日 于 卖萌控的博客 发表
- 百度已收录
