不好好做图的NSC系列(八):ggplot2重现Nature文章多组柱状图+散点,这是一场硬仗

最近,看到一篇nature文章,整篇文章的图的风格类似于如下图1,因为第一次见这种图,感觉展示效果不错,所以尝试做一下!

图片

Fluhr, L., Mor, U., Kolodziejczyk, A.A. et al. Gut microbiota modulates weight gain in mice after discontinued smoke exposure,Nature,2021.

本来看着Figure1 h很简单,就先复现它了,结果我错了,它真的太麻烦了,网上关于ggplot做多组柱状图深入修饰的教程也比较少。直到最后,我也没有完全复现它的样子。问题是:如何改变分组的填充,但是点的颜色不变!
这篇Nature文章提供了作图数据,在附件Source Data Fig. 1,有Figure1作图需要的所有数据。首先我们读入数据,并通过因子设置变量顺序与原文一致!

setwd("F:/生物信息学/NATURE折线图")
A <- read.csv("A.csv",header = T)
library(ggplot2)
library(forcats)
A$condictions <- as.factor(A$condictions)
A$condictions <- fct_inorder(A$condictions)
A$group <- as.factor(A$group)
A$group <- fct_inorder(A$group)

接着就比较直接了,画柱状图。到这一步,我们需要思考下,一步一步先解决这几个问题,柱状图坐落在坐标上,柱子之间有空隙,改变legend位置为水平,设置x,y轴标题。然后就是这幅图比较特色的地方了,添加分割线,右侧有填充,本来是一个简单的事情,但是由于横坐标不是数字,而是因子,所以这里有点区别。接着添加误差线,我这里选择了stat_summary函数,这个方法比较简单,但是也有自己计算添加的,比较麻烦。这里需要注意的是添加误差线的位置!最后就是比较难的内容了,包括添加散点,添加显著性!到这里真的是做了一天了,但是还是有一个问题没有解决,不能像原文那样,柱子为白色,点为自己的颜色,不知道有没有简单的方法!

ggplot(A, aes(fill=condictions, y=values, x=group))+
  geom_bar(position=position_dodge(1),stat="summary",width=0.7,colour = "black",size=1)+
  theme_classic(base_size = 12)+
  geom_vline(aes(xintercept=as.numeric(as.factor(group))+0.5),linetype=2,cex=1.2)+
  geom_rect(aes(xmin=as.numeric(as.factor(group))+0.5,
                xmax=Inf, ymin=(-Inf),ymax=Inf),
            fill='grey90',color='grey90')+
  geom_vline(xintercept =A$condictions,linetype=2,cex=1.2)+
  geom_bar(position=position_dodge(1),stat="summary",width=0.7,colour = "black",size=1)+
  stat_summary(fun.data = 'mean_se', geom = "errorbar", colour = "black",
               width = 0.2,position = position_dodge(1))+
  theme(legend.direction = "horizontal", legend.position = "top")+
  labs(title = "", y="Fecal calories per g", x = "")+
  scale_y_continuous(limits = c(0,6000),expand = c(0,0))+
  theme(axis.text.x = element_text(size = 12))+
  theme(axis.text.y = element_text(size = 12))+
  theme(axis.title = element_text(size = 14))+
  geom_jitter(data = A, aes(y = values),size = 3, shape = 21,
              stroke = 0.01, show.legend = FALSE, 
              position = position_jitterdodge(jitter.height=1,dodge.width = 1))+
  geom_signif(y_position=c(5000,5000,5000,5500), xmin=c(0.6,1.1,1.6,1.9), xmax=c(0.8,1.3,1.8,2.3), 
              annotation=c("**","**","****","****"), tip_length=0, size=0.8, textsize = 7, 
              vjust = 0.3)+
  scale_fill_manual(values = c('#5494cc','#e18283','#0d898a','#f9cc52'))
image.png

太累了,感觉还是用GraphPad做吧!哈哈哈,不过做出来了还是很得意的!看在这么辛苦的份上,还不点赞,给点赏赐???
最后,需要示例数据和完整代码注释的小伙伴打赏截图,发送公众号,并留下邮箱,我们双手奉上!感谢!

©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 199,340评论 5 467
  • 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 83,762评论 2 376
  • 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 146,329评论 0 329
  • 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 53,678评论 1 270
  • 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 62,583评论 5 359
  • 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 47,995评论 1 275
  • 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 37,493评论 3 390
  • 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 36,145评论 0 254
  • 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 40,293评论 1 294
  • 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 35,250评论 2 317
  • 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 37,267评论 1 328
  • 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 32,973评论 3 316
  • 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 38,556评论 3 303
  • 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 29,648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 30,873评论 1 255
  • 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 42,257评论 2 345
  • 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 41,809评论 2 339

推荐阅读更多精彩内容