忙碌于实验的一周。写代码的时候是只要写代码就要动脑子，最简单的读文件，也是要小小动一下脑子。而做实验的时候是计划实验的时候动脑子，实验中机械操作，然后实验失败的时候是费脑子。永远不知道是我有问题，样本有问题，还是实验过程有问题，总是在重复摸索，好难。正文——————————今天我们来讲蜜蜂图，这图也看着确实很吵闹，仿佛耳边嗡嗡作响。
什么是蜜蜂图
不知道蜜蜂图的名字从何而来，我猜测可能是因为画这个图的包叫做beeswarm？
我们先来看看蜜蜂图长什么样。
看上去和我们之前的点图很像，我们可以直观来比较一下beeswarm和ggplot中使用jitter及point（默认参数）绘制同一组关于乳腺癌数据的图：
从中可以发现，beeswarm很好的体现了数据的分布，更加清楚、直观。而后两者，难以快速获取信息，point图中点过于密集，jitter中分布过于散乱。这也是很多科学论文选择beeswarm图的原因，在小样本下也许jitter或者point的方法也能够传达我们想要传递的信息。但是在样本量较大的时候，这两个绘图方法就不太适合了。而beeswarm图在大样本的情况下也比较使用。不仅可以体现每一个样本具体情况，而且能够查看整体的情况。
怎么做蜜蜂图
本次作图使用两个不同的包，之所以如此是因为比较常见的制作蜜蜂图的包就叫做“beeswarm”，但是它和ggplot的作图习惯略有差别。鉴于之前都是利用ggplot作图，所以也讲解另一个基于ggplot的名叫“ggbeeswarm”的包。
Note：没有安装相关R包的，先安装R包
1）需要什么格式的数据
本次使用的是beeswarm包中的breast数据。
共有286个样本，具体所表示的信息如下：
ER：Estrogen receptor status (factor with levels neg, pos)
ESR1：Expression of the ESR1 gene (numeric)
ERBB2：Expression of the ERBB2 gene (numeric)
time_survival：Time in months (numeric)
event_survival：Coded event: 0 = censored, 1 = metastasis (numeric)
2)如何作图
首先使用beeswarm包
library(beeswarm)
data(breast)
beeswarm(time_survival ~ ER, data = breast,
pch = 16, pwcol = 1 + as.numeric(event_survival),
xlab = "", ylab = "Follow-up time (months)",
labels = c("ER neg", "ER pos"))
legend("topright", legend = c("Yes", "No"),
title = "Censored", pch = 16, col = 1:2)
可以看到不像ggplot给具体的x=，y=，该包使用公式：
举例： p~ grp
那么就相当于x为grp，y为p
另外，其修改图诸多细节的方式也不一致。
pch是选择点的样式，不同的数字代表实心圆、空心圆、三角形、倒三角形等等。
pwcol是用来设置颜色，可以看到这里+1原因是event_survival中含有0值，如果不加1，则显示为无色，即查看不到这些样本
labels用来修改x轴标签
然后使用legend功能添加图例
然后我们来看一看另一个R包ggbeeswarm。
ggplot(breast,aes(x=ER,y=time_survival))+
geom_beeswarm(aes(color=factor(event_survival)),cex=1.5)+#cex用于设置点的密集程度
theme_bw()+
theme(
legend.position = c("top"),
panel.grid = element_blank()
)+
scale_color_manual(values=c("Black","Red"),name="Censored",labels=c("Yes","No"))+
scale_x_discrete(labels=c("ER neg","ER pos"))+
xlab("")+
ylab("Follow-up time (months)")
往期 R数据可视化 分享
R数据可视化9: 棒棒糖图 Lollipop Chart
R数据可视化8: 金字塔图和偏差图
R数据可视化7: 气泡图 Bubble Plot
R数据可视化6: 面积图 Area Chart
R数据可视化5: 热图 Heatmap
R数据可视化4: PCA和PCoA图
R数据可视化3: 直方/条形图
R数据可视化2: 箱形图 Boxplot
R数据可视化1: 火山图
