今天继续分享生信分析中常见的图形 -- barplot。绘制的过程分别采用R基础函数barplot和ggplot2，这样可以比较一下绘制过程的差别，让我们一起来看看散装和套装的区别。个人还是很喜欢 ggplot2的图层语法，用过的都说好，真的很香！
barplot
R里面包含很多基础绘图函数，使用这些函数也是可以绘制出漂亮的图。废话不多说，下面我们来看使用基础函数如何绘制barplot：
set.seed(21)
# 生成绘图数据
data <- data.frame(name = c("group1A","group2A","group3A","group4A" ,"group1B","group2B","group3B","group4B" ,"group1C","group2C","group3C","group4C" ),
average = sample(seq(1,10), 12, replace=T),
number = sample(seq(4,39), 12, replace=T))
# 增加画板四周的内边距
par(oma=c(3,2,1,1))
# 绘图
my_bar <- barplot(data$average , border=F , names.arg=data$name , las=2,
col=c(rgb(0.3,0.1,0.4,0.6), rgb(0.3,0.4,0.4,0.6), rgb(0.3,0.7,0.4,0.6), rgb(0.3,1,0.4,0.6)),
ylim=c(0,13), main="")
# 添加参考线
abline(v=c(4.9 , 9.7) , col="grey")
# 添加文字注释
text(my_bar, data$average+0.4 , paste("n: ", data$number, sep="") ,cex=1)
# 添加图例
legend("topleft", legend = c("group1","group2","group3", "group4") ,
col = c(rgb(0.3,0.1,0.4,0.6) , rgb(0.3,0.4,0.4,0.6) , rgb(0.3,0.7,0.4,0.6) , rgb(0.3,1,0.4,0.6)) ,
bty = "n", pch=20 , pt.cex = 2, cex = 0.8, horiz = FALSE, inset = c(0.05, 0.05))
结果如下：
从上面可以看出使用R基础函数绘图，就是使用各个基础函数来绘图相应的内容，如这里使用barplot绘制图的主体，然后配合abline()、text()、legend()函数分别来添加参考线、文字注释以及图例。整个过程就像拼图一样，把想要的元素一点一点堆积成完成的图形。如果哪一步绘制错了或者不满意是没办法撤销的，这意思就是得从新来过。使用R基础函数绘图，想要保存图片，必须在开始绘图之前就使用相应的图片格式函数如png()、pdf()存储图片，最后在所有绘制过程结束后使用dev.off()函数来保存，如此图片就保存下来了。
ggplot2
上面展示了用R基础绘图函数画barplot的过程，下面我们用ggplot2重复一遍绘图过程：
library(ggplot2)
data$group <- rep(paste0('group',c(1,2,3,4)),times=3)
p <- ggplot(data,aes(factor(name,levels=name),average,fill=group)) +
geom_bar(stat='identity',width=0.8) +
scale_fill_manual(values=c(rgb(0.3,0.1,0.4,0.6), rgb(0.3,0.4,0.4,0.6), rgb(0.3,0.7,0.4,0.6), rgb(0.3,1,0.4,0.6))) +
theme_minimal() +
theme(panel.grid=element_blank(),
axis.line.y=element_line(color='black',size=0.2),
axis.ticks.y=element_line(color='black',size=0.2),
axis.text.x=element_text(angle=90,vjust=0.5),
legend.position=c(0.1,0.92),
legend.title=element_blank(),
legend.key.size=unit(10,'pt')) +
scale_y_continuous(expand = c(0,0)) +
labs(x='',y='') +
geom_vline(xintercept =c(4.5 , 9.5), col="grey",size=0.2)+
geom_text(aes(name,average-0.2),label=paste0('n:',data$number))
p
效果如下：
其实，用ggplot2绘图会简单许多，因为它基本已经包含我们想要的全部元素，我们要做的就是准备好需要的数据格式以及后续修改一下图形的外观。虽然修改也需要一步一步完成，但其可以累加图层，这样我们在修改的过程中，可以将满意的图存到一个变量中，然后在这基础上再修改其他的部分，如此累加，直至最终满意。绘图完成后，可以使用ggsave函数保存图片，格式可以是设备支持的任意一种。
