今天要模仿的图片来自于论文 Core gut microbial communities are maintained by beneficial interactions and strain variability in fish。期刊是 Nature microbiology
重复的图片是Figure1中的堆积柱形图和箱线图，然后将其组合
需要的工具及准备
本次可视化基于windows 10系统。
-
数据存储和准备：Microsoft Excel，text
-
数据可视化：R version 4.0.3 和 R Studio,用来要绘制、修饰和整合：堆积柱状图（Stacked Histogram ), 箱图（box plot），柱状图（bar chart），Venn图（Venn diagram），泡泡图（bubble plot)，曲线图（Line Graph） 安装请参考：https://www.jianshu.com/p/1a0f25086e8b两者下载地址分别是：R: https://www.r-project.org/R Studio: https://rstudio.com/products/rstudio/download/
-
辅助工具Adobe Photoshop CS4: 做出来的图中的一些文字标记进行一定的修补等。
数据准备与实现：
堆积柱状图（Stacked Histogram )：
-
数据准备：一般可视化最重要的一部分就是数据的准备，请看以下图，给出了对应的数据内容，以下简作说明：第一列：是分组，即共四个组。第二列：每个组里的不同物种。第三列：每个分组里的每个物种的相对丰度。
这样分清层次后，我就自己生成了以下数据，并存为CSV格式。
-
需要的R 包即具体实现过程：
install.packages('ggplot2') #安装ggplot画图包
library(ggplot2)#导入ggplot包
然后就是要读取数据了,为了方便初学者，我用file.choose跳出框来读取：
df<-read.csv(file.choose())
点击enter，会跳出框，选择刚才的csv文件，即完成了读取，数据内容可以点击
df
查看：
说明没问题,是得到了dataframe；这样：数据准备好了，作图的工具也准备好了，那么我们就开始作图：
ggplot(df,aes(x=Status,y=Relative.abundance....,fill=Taxonomy)) + geom_bar(stat = 'identity', width = 0.3, position = 'fill')
说明：ggplot(作图用的dataframe,aes(x=组名的列,y=丰度数值,fill=按照物种类型着色)) + geom_bar(stat = 'identity', width =柱子的宽度 , position = 'fill' 则会铺满整个高度，如果删除则会显示如下这种图(复制以下代码再运行就会明白))
ggplot(df,aes(x=Status,y=Relative.abundance....,fill=Taxonomy)) + geom_bar(stat = 'identity', width = 0.5)
然而发现：背景颜色为灰色而且带着线条，难看，所以去掉背景颜色和线条，即
ggplot(df,aes(x=Status,y=Relative.abundance....,fill=Taxonomy)) + geom_bar(stat = 'identity', width = 0.3, position = 'fill')+theme_set(theme_bw())+theme(panel.grid.major=element_line(colour=NA))
说明：theme_set(theme_bw())#去掉背景色， theme(panel.grid.major=element_line(colour=NA)) #去掉线条颜色
这样就得到以下图，离目标越来越近了：
发现目标图里的横坐标标签存在一定角度的，那么横坐标和纵坐标标签用以下代码实现：
ggplot(df,aes(x=Status,y=Relative.abundance....,fill=Taxonomy)) + geom_bar(stat = 'identity', width = 0.3, position = 'fill')+theme_set(theme_bw())+theme(panel.grid.major=element_line(colour=NA))
+theme(axis.text.x = element_text(face="bold", color="black", size=10, angle=90), axis.text.y = element_text(face="bold", color="black", size=10))
删除横坐标轴的名称：
ggplot(df,aes(x=Status,y=Relative.abundance....,fill=Taxonomy)) + geom_bar(stat = 'identity', width = 0.3, position = 'fill')+theme_set(theme_bw())+theme(panel.grid.major=element_line(colour=NA))+theme(axis.text.x = element_text(face="bold", color="black", size=10, angle=90), axis.text.y = element_text(face="bold", color="black", size=10))
+theme(axis.title.x=element_blank())
发现如果角度设置为45的话，横坐标标签与坐标轴交叉，所以用theme的调节来拉开距离，
p0<-ggplot(df,aes(x=Status,y=Relative.abundance....,fill=Taxonomy)) + geom_bar(stat = 'identity', width = 0.3, position = 'fill')+theme_set(theme_bw())+theme(panel.grid.major=element_line(colour=NA))+theme(axis.text.x = element_text(face="bold", color="black", size=10, angle=45), axis.text.y = element_text(face="bold", color="black", size=10))+theme(axis.title.x=element_blank())+ theme(axis.text.x = element_text(angle = 45, hjust = 0.4, size = 10, vjust=0.4))
得到了较好的图：
-
如果对其文字格式或字体需要继续调整，可以用ps实现。具体如下：1）首先将上述图输出： 
2）用Adobe Photoshop CS4 打开，并选择工具---选择--delete删除文字部分；
3）ctrl+shift+N 新建图层--用文字工具输入标签---再点击选择工具，点击文字--输入-45度--应用---得到比较好看的理想图：
其他的文字部分也是类似处理并保存：得到下图
箱图box plot的绘制：
-
简单箱图的绘制 箱图的表示的意义与理解请参考我之前的一个笔记：https://www.jianshu.com/p/54d4996d73cd
箱图数据的格式与要求：
同上：读取数据（是dataframe）
bp<-read.csv(file.choose())
bp
作图：
boxplot(bp, col = c("green","brown","purple","blue"),names = c("High marine Protein","Medium fat","High fat","Low marine protein"), ylab = "Richness")
解释：boxplot(bp#选择上面的dataframe, col = c(#给每个箱图选择颜色，用英文标点双引号！"green","brown","purple","blue"),names = c(#给每个箱子命名"High marine Protein","Medium fat","High fat","Low marine protein"), ylab = #给纵轴起名"Richness") 得到：
发现目标图中，下标都单独拿出来形成了legend，这是想到其实ggplot直接作box plot就可以直接搞定，但是数据格式略有不同，准备的数据为：
#读取数据
bp<-read.csv(file.choose())
然后进行作图：
ggplot(bp, aes(x=Diet, y=Richness, fill=Diet)) + geom_boxplot()
得到：
这下就按照第一个堆积图的后续修饰，删除横坐标标签：
ggplot(bp, aes(x=Diet, y=Richness, fill=Diet)) + geom_boxplot()+theme(axis.title.x=element_blank())
即得到：
或者再原图基础上可以删除横坐标的所有标签：
p1<-p1+theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
p1#会看到以下的结果：
第一张箱图先就这么搞定！为了后续合并图形结果，我们把这张赋值为p1, 即：
p1<-ggplot(bp, aes(x=Diet, y=Richness, fill=Diet)) + geom_boxplot()+theme(axis.title.x=element_blank())
箱图2： 带p value的箱图的绘制
先要安装另外两个包：ggsignif这个显著性检验的包
install.packages('ggsignif')
和ggthemr包：
install.packages('ggthemr') #主题配置包
如果ggthemr报错，则：用devtools搞定！方法：
install.packages("devtools")# 先安装或更新
devtools::install_github('Mikata-Project/ggthemr')#安装ggthemr,如果提示选择None
并导入包：
library(ggplot2)
library(ggthemr)
library(ggsignif)
这样就可以做正事了：
#分组
compaired <- list(c("High marine Protein", "Medium fat"), c("High marine Protein","High fat"), c("High marine Protein","Low marine protein"),c("High fat", "Medium fat"),c("High fat", "Low marine protein"),c("High fat", "Low marine protein"))#先进行比较的分组
然后作图：
ggthemr("flat")
p2 <- ggplot(bp, aes(Diet, Richness, fill = Diet)) + geom_boxplot() + geom_signif(comparisons = compaired, step_increase = 0.3, map_signif_level = F, test = wilcox.test)
p2
得到wilcox.test()比较两组(非参数)差异分析标注的箱图，如下：
注：map_signif_level 如果为TRUE，显示方法为""=0.001, ""=0.01, ""=0.05,如果选择f会显示数值 即下图:NS 表示not significant 不显著
各类检验适用 的情况如下：
ggsignif主要的一个函数是geom_signif()，使用方法和ggplot2中其他的geom_***()一样，作为图层添加到图形中就可以，他的主要参数为：
另外要注意的是：做显著性检验的前提是数据要符合正态分布，对应的正态分布的检验可参考我之前的简单笔记：https://www.jianshu.com/p/0150a9233809
分组箱图的绘制
发现有一个箱图按照组别分箱，所以我们给原数据进行分组，数据如下：
然后对上述结果进行一个分组：
p3<-p2+geom_boxplot()+facet_wrap(~gender)#分箱处理
运行得到分组的箱图：
用ggpubr实现多个箱图的合并与组合：
install.packages('ggpubr')#安装包
library(ggpubr)#加载包
然后给定参数，进行组合：
ggarrange(p0,p1,p2,p3,labels = c("A","B","C","D",ncol=2,nrow=2))#两行两列
说明：输入每个箱图的名字p0,p1,p2,p3,给定图名，几行几列，运行就可以得到组合图：
重要：去掉横坐标标签 对四张图都去除横坐标的标签：用的代码是：
+theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
具体实现为
p0<-p0+theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
p1<-p1+theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
p2<-p2+theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
p3<-p3+theme(axis.title.x=element_blank(),
axis.text.x=element_blank(),
axis.ticks.x=element_blank())
合并的代码
ggarrange(p0,p1,p2,p3,labels = c("A","B","C","D",ncol=2,nrow=2))#两行两列
去除横坐标再合并的结果是：
对于文字部分的修订,文字格式的调整可以参考上述3.1.3 Adobe Photoshop CS4进行美化。
欢迎大家关注我的公众号
小明的数据分析笔记本
