线形图是通过在多个点之间绘制线段来连接一系列点所形成的图形，这些点按其坐标(通常是x坐标)的值排序，并且它通常用于识别数据趋势。 在R中的通过使用plot()函数来创建线形图，语法如
线形图是通过在多个点之间绘制线段来连接一系列点所形成的图形，这些点按其坐标(通常是x坐标)的值排序，并且它通常用于识别数据趋势。
在R中的通过使用plot()函数来创建线形图，语法如下：
plot(v,type,col,xlab,ylab)v - 是包含数值的向量。
type - 取值“p”表示仅绘制点，“l”表示仅绘制线条，“o”表示仅绘制点和线。
xlab - 是x轴的标签。
ylab - 是y轴的标签。
main - 是图表的标题。
col - 用于绘制点和线两种颜色。
我们接下来尝试使用输入向量和类型参数为“O”创建一个简单的折线图，如下：
运行结果为：
我们再来通过使用附加参数来扩展折线图的功能，例如可以向点和线添加颜色，给图表标题，并在轴上添加标签，如下：
运行结果为：
最后再来尝试使用lines()函数在同一个图表上绘制多个线条，在绘制第一行之后，lines()函数可以使用附加向量作为输入来绘制图表中的第二行，如下：
运行结果为：
好啦，本次记录就到这里了。
补充：R语言基础图形绘制——折线图
简介
折线图通常用来对两个连续变量之间的相互依存关系进行可视化。x轴可以是连续型变量，也可以是离散型变量。生物学中，通常用来表示不同药物剂量下实验对象的变化，或者是基因在不同类型组织或细胞中的表达模式。
简单示例：使用plot()函数，改变参数type，更多类型请查看帮助文档。
# 查看作图数据
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
op <- par(no.readonly = T)
library(dplyr)
library(tidyverse)
par(mfrow = c(2,2))
BOD %>% {
plot(demand ~ Time,data = .,type = "l",main = "A")
plot(demand ~ Time,data = .,type = "b",main = "A")
plot(demand ~ Time,data = .,type = "s",main = "A")
plot(demand ~ Time,data = .,type = "o",main = "A")
}
par(op)
目前，基础函数绘制多个分组折线图，需要借助lines()函数。
op <- par(no.readonly = T)
library(dplyr)
library(tidyverse)
par(mar = c(rep(4,4)))
BOD %>% {
plot(demand ~ Time,data = .,type = "l",col = "red",lwd = 2)
lines(1:7,seq(8,20,length.out = 7),col = "steelblue",lwd = 2)
}
par(op)
多个分组时，可以借助for循环实现。
不加任何参数绘制简单折线图。
library(ggplot2)
BOD %>% {
ggplot(.,aes(Time,demand))+geom_line()
}
library(ggplot2)
library(patchwork)
BOD %>% {
p1 <- ggplot(.,aes(Time,demand))+geom_line()
p2 <- ggplot(.,aes(factor(Time),demand,group = 1))+geom_line()
p1 + p2
}为了比较因子型和连续型变量的不同，我们将两张图放在一起，可以发现右图中并没有6这个水平。当 x 对应于因子型变量时，必须使用命令 aes(group=1) 以确保 ggplot() 知道这些数据点属于同一个分组，从而应该用一条折线连在一起。
相比于基础函数，ggplot绘制分组折线图简直不要太方便。%>%是管道符，需要加载dplyr包，**{}也可以理解为管道符，.**代表上一级生成的数据，p1 + p2 需要加载patchwork拼图包。
library(plyr)
ToothGrowth %>%
ddply(c("supp", "dose"), summarise, length=mean(len)) %>% {
p1 <- ggplot(.,aes(x=dose, y=length, colour=supp)) + geom_line()
p2 <- ggplot(.,aes(x=dose, y=length, linetype=supp)) + geom_line()
p1 + p2
}
如图，分别将supp映射给了颜色和线条类型。
如果要添加数据点等其他类型，可以通过geom系列函数实现。
来吧，实践吧！
我使用的是自己的小鼠早期胚胎卵母细胞到8细胞各时期的测序数据，挑选了大约3300个基因。纵坐标使用的是log2(FPKM)值。
一起来看看ggplot绘制分组折线图有多方便吧
首先需要将数据组织成长数据格式。
head(oo1_long)
x <- length(unique(oo1_long$t))
ggplot(data=oo1_long, aes(x=variable, y=value, group=t)) +
geom_line(alpha = oo1_long$alpha,color = oo1_long$color,size = oo1_long$size)+
theme_bw()+
scale_y_continuous(expand = c(0,0))+
scale_x_discrete(expand = c(0,0))+
ylab(label = "log2(fpkm)")+
xlab(label = "")+
geom_text(aes(4,10.2,label =paste("cluster1-1", x-1 , sep = '\n')))
其实上面的代码还可以再优化，使用aes()函数设置color等参数。
以上为个人经验，希望能给大家一个参考，也希望大家多多支持编程网。如有错误或未考虑完全的地方，望不吝赐教。
--结束END--
本文标题: R语言开发之输出折线图的操作
本文链接: https://lsjlt.com/news/122905.html(转载时请注明来源链接)
有问题或投稿请发送至: 邮箱/279061341@qq.com QQ/279061341
2024-03-01
2024-03-01
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
2024-02-29
回答
回答
回答
回答
回答
回答
回答
回答
回答
回答
官方手机版
微信公众号
商务合作
0