R语言可视化：从绘图到保存

此推文所有ppt截图和大部分代码来自生信技能树的小王老师

0.前序

我们都说R语言是用来处理数据的，然而不管是什么样的数据，我们处理完之后肯定都是要展示给别人看的，而人类是视觉的动物，不然哪来那么多颜控（不是）。

所以在处理完数据之后我们需要把我们的结果或者发现可视化，以此来帮助读者理解或者避免可能的歧义，而很巧的是R语言自己就有这个功能。

相比于很多结构、配色、层级等都已被明确的图形软件，R语言的可视化功能更为灵活和强大，可以根据数据的特点和需求进行定制化的绘图，而第三方R包的引入可以无限放大这个优势。

1.R语言可视化的主要体系

R语言的可视化功能主要分为三大体系：基础包（base graphics）、ggplot2和lattice。每个体系都有其独特的语法和风格，适用于不同的绘图需求。

首先来看基础包 (base graphics)的一个例子 这个已经略微古墓派了，了解即可:

基础包示例

    p0 <- plot(      x = iris$Sepal.Length,      y = iris$Petal.Length,      col = iris$Species, # 按物种着色      pch = 16, # 实心圆点      cex = 1.2, # 点大小      xlab = "Sepal Length (cm)", # x轴标签      ylab = "Petal Length (cm)", # y轴标签      main = "Base Plot: Iris Dataset"# 标题    )# 添加图例    legend("topleft",      legend = levels(iris$Species),      col = 1:3,      pch = 16,      bty = "n"    )# 添加文本标注    text(6.5, 4, labels = "Hello R!", cex = 1.5, font = 2)  dev.off()

---

我们可以看到，基础包的绘图语法相对直接，但在复杂图形的定制化方面可能需要更多的代码和调整。 而基础包又分为高级函数和低级函数，低级函数的功能依赖高级函数而存在：

接下来是ggplot2的例子：

ggplot2示例

library(ggplot2)# 基础散点图ggplot(data = iris, aes(x = Sepal.Length, y = Petal.Length, color = Species)) +  geom_point(size = 3, alpha = 0.7) + # 点的大小和透明度  labs(    title = "ggplot2: Iris Sepal vs Petal Length",    subtitle = "Colored by Species",    x = "Sepal Length (cm)",    y = "Petal Length (cm)",    color = "Species"  ) +  theme_minimal() + # 简洁主题  theme(    plot.title = element_text(hjust = 0.5, size = 14, face = "bold"),    plot.subtitle = element_text(hjust = 0.5)  )

---

可以看到，ggplot2采用了分层的语法结构，允许我们通过添加不同的图层（如点图、线图、文本等）来构建复杂的图形，同时提供了丰富的主题和美学选项来定制图形的外观。这样就相对公式化，更适合去微调参数或者去效仿已经成功的案例。

2. ggplot2基本语法

ggplot2的语法有点像一层一层盖房子，以下是一个通用语法规则：

这就类似于一种以数据为地基，在这个基础上整各种花活的操作，接下来我将以一系列案例的迭代阐述之.

2.1 入门级绘图模板：作图数据，横纵坐标

    library(ggplot2)    ggplot(data = iris) +      geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length))

---

2.2 属性设置（颜色、大小、透明度、点的形状，线型等）

2.2.1 手动设置，需要设置为有意义的值

    ggplot(data = iris) +      geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length), color = "purple") #我设置成紫色

    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length),        size = 5, # 点的大小5mm        alpha = 0.5, # 透明度 50%        shape = 8      ) # 点的形状

2.2.2 映射：按照数据框的某一列来定义图的某个属性

这里我以iris数据集中的Species来给颜色做定义

    ggplot(data = iris) +      geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length, color = Species))

Q1 两个color参数分别是哪个函数的参数，它们又各自应该取什么值呢？

A1： 分别是geom_point()和aes()函数的参数，前者应该输入一种具体的颜色（颜色的英文单词或者十六进制码），而后者应该取数据中的某一列。

Q2 能不能自行指定映射的具体颜色？

A2:可以的可以的，可以通过scale_color_manual函数来做到()

    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length, color = Species)      ) +      scale_color_manual(values = c("blue", "grey", "red"))

那这个时候就有人要问了，主播主播，我觉得这个颜色很接近我想要的了，但总感觉有一点偏差该怎么办 这个时候可以通过十六进制颜色编码来指定颜色，十六进制颜色编码是由#开头，后面跟着六位数字或字母的字符串，每两位表示红、绿、蓝三种颜色的强度。例如，#2874C5表示一种蓝色，#e6b707表示一种黄色，#f87669表示一种红色。

    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length, color = Species)      ) +      scale_color_manual(values = c("#2874C5", "#e6b707", "#f87669"))

那如果我自己太懒不想自己去一个个找颜色该咋办？ 这里力推paletteer，集成多个配色的R包，两千多种选择

    library(paletteer)    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length, color = Species)      ) +      scale_color_paletteer_d("awtools::mpalette")

可以通过View(palettes_d_names)函数来看里面的配色方案 这里给一个轮廓：

    head(palettes_d_names)

# A tibble: 6 × 5       package palette      length type       novelty       <chr>   <chr>         <int> <chr>      <lgl>       1 amerika Dem_Ind_Rep3      3 divergent  FALSE       2 amerika Dem_Ind_Rep5      5 divergent  FALSE       3 amerika Dem_Ind_Rep7      7 divergent  FALSE       4 amerika Democrat          3 sequential FALSE       5 amerika Republican        3 sequential FALSE       6 awtools a_palette         8 sequential TRUE

它很友好地告诉了你每个方案的包来源、名字、颜色数、离散或连续等信息。

区分color和fill两个属性

空心形状和实心形状都用color设置颜色

    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length, color = Species),        shape = 17      ) #17号，实心的例子

    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length, color = Species),        shape = 2      ) #2号，空心的例子

既有边框又有内心的，才需要color和fill两个参数

    ggplot(data = iris) +      geom_point(        mapping = aes(x = Sepal.Length, y = Petal.Length),        shape = 24,        color = "red",        fill = "yellow"      ) #24号，双色的例子

2.3 几何对象

几何对象指的是每个函数画出来的所有东西，比如geom_point()画出来的点，geom_smooth()画出来的线和阴影，geom_boxplot()画出来的箱线图等等。 几何对象是可以叠加的，也就是我们说的在数据地基上一点点盖房子的过程 我们可以对每一个对象做不同的设置，也可以全局一盘棋一次设置完，以下是一对例子

    ggplot(data = iris) +      geom_smooth(mapping = aes(x = Sepal.Length, y = Petal.Length)) + #局部设置     geom_point(mapping = aes(x = Sepal.Length, y = Petal.Length)) #局部设置

    ggplot(data = iris, mapping = aes(x = Sepal.Length, y = Petal.Length)) +      geom_smooth() +      geom_point() #全局设置

2.4 位置

# 抖动的点图    ggplot(      data = iris,      mapping = aes(x = Species, y = Sepal.Width, fill = Species)    ) +      geom_boxplot() +      geom_point()

    ggplot(      data = iris,      mapping = aes(x = Species, y = Sepal.Width, fill = Species)    ) +      geom_boxplot() +      geom_point(position = "jitter") 

2.5 坐标系

    ggplot(      data = iris,      mapping = aes(x = Species, y = Sepal.Width, fill = Species)    ) +      geom_boxplot() +      geom_jitter() +      coord_flip() #颠倒x和y轴

2.6 主题

ggplot2中提供了多种主题：

而主题中的每一个参数都是可以去调试的 !

我们可以用theme()函数来控制所有的视觉元素：

2.7 ggplot2终极语法

ggplot2的一切过程都可以用这张图来说明:

这里面的其中四个层在前文中已经探讨，现在我们来讨论分面层和刻度层

分面层是用来拆子图的

实际例子：比如我们原来有一张图

    ggplot(      data = iris,      mapping = aes(x = Species, y = Sepal.Width, fill = Species)    ) +      geom_boxplot() +      geom_point(position = "jitter") 

我们可以通过facet_wrap()函数来把它拆开

    ggplot(      data = iris,      mapping = aes(x = Species, y = Sepal.Width, fill = Species)    ) +      geom_boxplot() +      geom_point(position = "jitter") +      facet_wrap(~Species, ncol=3, scales="free_x")

至于刻度层，它具体规定映射是如何进行的：

像前文中设置颜色的例子就用它规定了映射了哪些颜色

3. 保存图像

3.1 图像保存三段论

最基础的图片保存过程，ggplot2也可以用，如图：

以下是两个案例：

#基础包作图的保存    pdf("iris_box_ggpubr.pdf")    ggplot(iris, aes(x = Species, y = Sepal.Length, fill = Species)) +      geom_boxplot()    dev.off()#2.ggplot系列图(包括ggpubr)通用的简便保存 ggsave    library(ggplot2)    p <- ggplot(iris, aes(x = Species, y = Sepal.Length, fill = Species)) +      geom_boxplot()    ggsave(p, filename = "iris_box_ggpubr.png")

3.2 ggsave函数

这个是ggplot推荐的导出函数，不需要三段式保存：

如何快速学习函数的参数

4. 如何拼图

可以使用patchwork包,相关的用法附上：

5. 画图思维

我认为这张图还是很好地说明了核心思路，虚心学习ing.

6.尾记

这篇推文是以上课的内容为蓝本，我在这个基础上整理了一下并进行了改写，在此感谢生信技能树的小王老师！！！ 也很感谢你阅读到这里 By鼠鼠