ggplot 颜色、形状和大小按 dataframe 中的因子变量在几个带有图例的区域

Question

我有以下 dataframe：

structure(list(PS_position = c(54733745L, 54736536L, 54734312L, 54735312L, 54733745L, 54736536L, 54734312L, 54735312L),
           chr_key = c(19L,19L, 19L, 19L, 19L, 19L, 19L, 19L),
           hit_count = c(20L, 1L, 5L,15L, 20L, 1L, 5L, 15L),
           pconvert = c(0.448, 0.55, 0.8, 0.92, 0.448, 0.55, 0.8, 0.92),
           probe_type = c("Non_polymorphic", "preselected", "unvalidated", "validated", "Non_polymorphic", "preselected", "unvalidated", "validated"),
           region_name = c("DL1", "DL1", "DL1", "DL1", "DL2", "DL2", "DL2", "DL2"),
           start = c(54724479L, 54724479L, 54724479L, 54724479L, 54724479L, 54724479L, 54724479L, 54724479L),
           stop = c(54736536L, 54736536L, 54736536L, 54736536L, 54736536L, 54736536L, 54736536L, 54736536L)),
      row.names = c(NA, -8L), class = c("data.table",   "data.frame"))

我想 plot PS_position在 x 轴上的每个region_name上用probe_type着色，形状基于pconvert类别（0.3 - 0.5、0.51-0.7、0.71-0.9、> 0.9）和形状的大小基于所有唯一的hit_count dataframe 中的region_names和描述相同的图例。 xlim的 xlim 将从 dataframe start / stop 。

有点像这样：

当然，每个唯一region_name的实际值会有所不同。 关于如何最好地实现这一目标的任何想法？ 谢谢！

编辑：我在基础 R 中开发了一些没有hitcount或pconvert

region = unique(df$region_name)
for(i in seq_along(region))
{
probes = df$PS_position
probe_type = factor(df$probe_type)
df$cols = as.numeric(as.factor(df$probe_type))
legend.cols = as.numeric(as.factor(levels(df$probe_type)))


#should also send the start and stop into PS_position 
cols = c("black", "blue", "green", "yellow")
#Use logarithmic scale
par(xpd = T)

plot(1, 1, ylim = c(0.5, length(probes)), xlim = c(min(probes) - 20, max(probes)+10),#, main = paste("Probes ", region, sep = ""), 
     xlab = "PS_position", bty="n", type = "n", yaxt = "n", ylab = "")

title(region[i], line=0)

begin = min(probes)
end = max(probes)
n = length(probes)

然后我依次 plot 探测器一个接一个，但我不再需要那个了。 我只想一次 plot 所有PS_position并且它们应该反映这些范围内的实际start-stop和相对 position。 注意上面和下面的基本 R 代码是一个块。 请复制粘贴在一起。

for(i in 1:length(probes))
{
  lines(x = c(begin, end), y = c(n+1-i, n+1-i), col = "blue", lwd = .8)
  xs = probes[1:i]
  #cols_i = cols[probe_type[1:i]]
  points(x = xs, y = rep(n+1-i, length(xs)), pch = 18, cex = 1.0, col = df$cols)
  text(i, x = -50, y = n+1-i, adj = 1.5)
 
}
add_legend("topright", "Probe_Type", levels(probe_type), fill = legend.cols, horiz=T)

}

dev.off()

试图将其转换为ggplot2

Answer 1

这个怎么样：

我已经获取了您的数据并添加了分类pconvert_cat变量：

# comparison of the two variables:
> df[, c(4, 9)]
  pconvert pconvert_cat
1    0.448      0.3-0.5
2    0.550     0.51-0.7
3    0.800     0.71-0.9
4    0.920         >0.9
5    0.448      0.3-0.5
6    0.550     0.51-0.7
7    0.800     0.71-0.9
8    0.920         >0.9

我已经尝试使用 ggplot2 从您的问题中得到您想要的ggplot2 。 本质上，您希望按region_name分面，然后将所有其他变量设置为您在问题中提到的给定美学（ aes ）。

ggplot(df, aes(x = PS_position, y = 0,
               colour = probe_type, shape = pconvert_cat, size = hit_count)) +
        geom_point() +
        scale_shape_manual(values = c(3, 15, 16, 17)) +
        coord_cartesian(xlim = c(min(df$start), max(df$stop))) +
        facet_wrap(~ region_name, nrow = 2) +
        theme_minimal() + theme(panel.grid = element_blank(),
                                axis.title.y = element_blank(),
                                axis.text.y = element_blank(),
                                axis.ticks.y = element_blank())

这是它的样子：

这可能并不理想。 我不知道任何geom_...() function 会简单地绘制点之间的“x 差异”而不用打扰 y 轴。 SO社区，我们可以做这样的事情吗？ 当然，这取决于您是否也需要 y 轴的任何变量。

假设您希望所有东西都在同一个水平面上，我将 y 设置为常数 (0)。 也许您可以设置y = chr_key ，因为我注意到它是恒定的（至少在这个小数据集中）？

此外，设置xlim = c(min(df$start), max(df$stop)意味着您的所有点都在右侧，如您在上面看到的。除非您特别想要这个，否则可以考虑使用coord_cartesian() ：

ggplot(df, aes(x = PS_position, y = 0,
               colour = probe_type, shape = pconvert_cat, size = hit_count)) +
        geom_point() +
        scale_shape_manual(values = c(3, 15, 16, 17)) +
        facet_wrap(~ region_name, nrow = 2) +
        theme_minimal() + theme(panel.grid = element_blank(),
                                axis.title.y = element_blank(),
                                axis.text.y = element_blank(),
                                axis.ticks.y = element_blank())

要得到这个：

点的 x 值之间的差异在这里更清楚。

需要考虑的一些事项：

• 你会给y轴分配一些变量吗？ 会一直不变吗？
• 对于给定的probe_type和pconvert_cat值，会有不止一个观察结果吗？ 如果是这样， colour和shape美学将发挥更大的作用。
• 您需要特定的 x 范围吗？ 您想让 x 差异尽可能清晰。

最后，我非常同意 Rémi 的评论，即您应该让我们知道您已经尝试过什么。 那么我不必在答案中猜测太多。

编辑

在回复您的评论时，使用facet_wrap()并不意味着比例是固定的。 在您的情况下，您可以将scales参数更改为"free_x" ，以便您可以为每个region_name设置不同的start和stop值。 有关不同刻面尺度的更多信息，请查看此处。 您可能希望使用该页面上讨论的geom_blank() 。 您必须决定列出的哪些方法最适合您的数据。 请注意，当您为更多region_name添加更多构面并仅保留一列构面时，它们应该更靠近在一起，并且在那里拥有 y 比例的问题将变得不那么重要，因为不会有那么多空白空间。 （因此，例如，您有五个不同的region_name并且您设置nrow = 5 。）

总之，我认为我的代码以及您可以决定的一些方面比例更改对 go 来说是好的。

数据

df <- structure(list(PS_position = c(54733745L, 54736536L, 54734312L, 54735312L, 54733745L, 54736536L, 54734312L, 54735312L),
               chr_key = c(19L,19L, 19L, 19L, 19L, 19L, 19L, 19L),
               hit_count = c(20L, 1L, 5L,15L, 20L, 1L, 5L, 15L),
               pconvert = c(0.448, 0.55, 0.8, 0.92, 0.448, 0.55, 0.8, 0.92),
               probe_type = c("Non_polymorphic", "preselected", "unvalidated", "validated", "Non_polymorphic", "preselected", "unvalidated", "validated"),
               region_name = c("DL1", "DL1", "DL1", "DL1", "DL2", "DL2", "DL2", "DL2"),
               start = c(54724479L, 54724479L, 54724479L, 54724479L, 54724479L, 54724479L, 54724479L, 54724479L),
               stop = c(54736536L, 54736536L, 54736536L, 54736536L, 54736536L, 54736536L, 54736536L, 54736536L)),
          row.names = c(NA, -8L), class = c("data.table",   "data.frame"))
df$pconvert_cat <- as.factor(ifelse(df$pconvert >= 0.3 & df$pconvert <= 0.5, "0.3-0.5",
                                    ifelse(df$pconvert > 0.5 & df$pconvert <= 0.7, "0.51-0.7",
                                           ifelse(df$pconvert > 0.7 & df$pconvert <= 0.9, "0.71-0.9", ">0.9"))))