干货分享 | 小小代码造就精美绘图——“瀑布图”_行业资讯_百趣生物-代谢组学-蛋白质组学-转录组测序-多组学联合分析

首页百趣概况新闻资讯 行业资讯

干货分享 | 小小代码造就精美绘图——“瀑布图”

发布时间 2022-08-05

瀑布图是一种用于展示拥有相同的X轴变量数据、不同的Y轴离散型变量和Z轴数值变量的专业绘图，它可以清晰地展示不同样本对同一差异蛋白的变化关系。

干货分享 | 小小代码造就精美绘图——“瀑布图”(图1)

备注：X轴变量数据（如不同的指标）、不同的Y轴离散型变量（不同样本相对含量）

一

需要用到的R包

ggplot2

绘图用R包

RColorBrewer

包含大量专业绘图色，绘制多样本图的基础

reshape2

用于整理数据的R包

二

绘图步骤

载入R包

library(ggplot2)
library(RColorBrewer)  
library(reshape2)

导入数据

干货分享 | 小小代码造就精美绘图——“瀑布图”(图2)

文件命名为Waterfall_Data.csv

data<-read.csv("Waterfall_data.csv",stringsAsFactors=FALSE)

整理数据

colnames(data)<-c("X_Axis",seq(60,25,-5))
plotdata<-melt(data,id.vars = "X_Axis")

绘制瀑布图

ggplot(plotdata,aes(X_Axis,value,fill=variable))+
  geom_area(color="black",size=0.25)+  facet_grid(variable~.)+  theme(    text=element_text(size=15,face="plain",color="black"),    axis.title=element_text(size=10,face="plain",color="black"),    axis.text = element_text(size=10,face="plain",color="black"),    legend.position="none"  )

干货分享 | 小小代码造就精美绘图——“瀑布图”(图3)

三

进阶画法（3D瀑布图）

相对于行分面瀑布图，3D瀑布图中不同类别间的差异更为直观，能更好地观察类与类之间的差距。

载入R包

library(plot3D)
library(RColorBrewer)

导入数据

data<-read.csv("Facting_Data.csv",check.names =FALSE)

数据处理

N<-ncol(data)-1
plotdata<-data.frame(x=numeric(),y=numeric(),variable=character())
for (i in 1:N){
tempdata<-data.frame(spline(data[,1],data[,i+1],n=300,method= "natural"))
tempdata$variable<-colnames(data)[i+1]
plotdata<-rbind(plotdata,tempdata)
}#插值处理
plotdata$variable<-as.numeric(plotdata$variable)
group<-unique(plotdata$variable)
M<-length(group)

调整颜色

gg_color_hue <- function(n) {
  hues = seq(15, 375, length = n + 1)  hcl(h = hues, l = 65, c = 100)[1:n]}colormap <- rev(gg_color_hue(M))#brewer.pal(M,'RdYlGn')

绘制3D瀑布

pmar <- par(mar = c(5.1, 4.1, 4.1, 6.1))
perspbox(z=as.vector(0),#add=TRUE,          xlim=c(20,70),ylim=c(360,750),zlim=c(0,15),          ticktype = "detailed",bty = "f",box = TRUE,colkey = FALSE,          theta = -110, phi = 20, d=3)for (i in 1:M){  df0<-plotdata[plotdata$variable==group[i],]  Ndf<-nrow(df0)  df<-rbind(df0,c(df0$x[1],df0$y[Ndf],df0$variable[Ndf]))  with(df,polygon3D(x=variable,y=x, z=y, alpha=0.6,      col=colormap[i],lwd = 3,add=TRUE,colkey = FALSE))  with(df0,lines3D(x=variable,y=x, z=y,      lwd = 0.5,col="black",add=TRUE))}colkey (col=colormap,clim=range(plotdata$y),clab = "Z Value", add=TRUE, length=0.5,side = 4)#