跟着Nature Communication学作图:R语言ggplot2画世界地图展示采样地点

论文

Structure and function of the soil microbiome underlying N2O emissions from global wetlands

https://www.nature.com/articles/s41467-022-29161-3#Sec21

没有找到论文的代码,但是论文的数据是公开的,可以用论文中的数据复现一下论文中的结果,今天的推文试着复现一下论文中的figure1a

世界地图的数据

ggplot2自带了一份地图数据,可以直接使用,这里需要注意的是我们画的是没有国家边界的世界地图,如果是带有国家边界的地图,使用数据的时候需要小心。

ggplot2画地图

library(ggplot2)
world<-map_data("world")
ggplot() +
  geom_polygon(data=world,aes(x=long,y=lat,group=group),
               fill="#dedede")+
  theme_bw()+
  scale_y_continuous(expand = expansion(mult=c(0,0)))+
  scale_x_continuous(expand = expansion(add=c(0,0))) -> world.map

world.map
image.png

采样地点部分数据

image.png

读取数据

library(readxl)

dat01<-read_excel("data/20220603/NC/41467_2022_29161_MOESM12_ESM.xlsx",
                  sheet = "Fig.1a")
head(dat01)

给数据集增加新的一列

dat01 %>% 
  mutate(n2o=case_when(
    N2O<10 ~ "-2..10",
    N2O >= 10 & N2O < 100 ~ "10..100",
    N2O >= 100 ~ "100..500"
  )) -> new.dat01

作图代码

library(ggstar)
world.map + 
  geom_star(data=dat01,
             aes(x=Longitude,y=Latitude,
                 starshape=Land_use,
                 color=`AamoA/nir`,
                 fill=`AamoA/nir`),
            size=4,
            position = position_jitter(width = 10,
                                       height = 10,
                                       seed = 1234))+
  scale_starshape_manual(values=c(11:15,20,9))+
  scale_fill_gradient2(low = "#429eb3",
                       mid = "#e9c922",
                       high = "#f22101",
                       midpoint = 0.5)+
  scale_color_gradient2(low = "#429eb3",
                       mid = "#e9c922",
                       high = "#f22101",
                       midpoint = 0.5) -> world.map.01


world.map.01 +
  geom_point(data=new.dat01,
             aes(x=Longitude,y=Latitude,
                 shape=n2o),
             position = position_jitter(width = 10,
                                        height = 10,
                                        seed = 1234))+
  scale_shape_manual(values = c(3,4,8),
                     name= expression("A^2"))+
  theme(#legend.position = c(0.5,0.5),
        legend.background = element_rect(fill = "transparent"))+
  labs(x="Longitude",y="Latitude")
image.png

这里遇到两个问题

  • 1 这里有三个图例,有没有办法用代码调整每个图例的位置呢?暂时没有找到解决办法

  • 2 图例的标题如何用代码设置上下标暂时没有找到解决办法

这连个问题目前的解决办法是出图后编辑图片

采样地点数据可以到论文中去下载,代码可以在推文中复制,如果需要我整理好的代码可以给推文打赏1元获取

欢迎大家关注我的公众号

小明的数据分析笔记本

小明的数据分析笔记本 公众号 主要分享:1、R语言和python做数据分析和数据可视化的简单小例子;2、园艺植物相关转录组学、基因组学、群体遗传学文献阅读笔记;3、生物信息学入门学习资料及自己的学习笔记!

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,098评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,213评论 2 380
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,960评论 0 336
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,519评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,512评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,533评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,914评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,574评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,804评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,563评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,644评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,350评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,933评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,908评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,146评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,847评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,361评论 2 342

推荐阅读更多精彩内容