科研文献绘图

生信喵

一、文字云图

1. library(Rwordseg)
   
2. library(wordcloud2)
   
3. 
   
4. #读入文件
   
5. x <- readLines("zfgz.txt",encoding = 'UTF-8',)
   
6. head(x)
   
7. #开始分词,可以使用system.time()函数计时
   
8. y <- segmentCN(strwords = x,analyzer = "hmm",returnType = "vector")
   
9. #查看数据是否乱码
   
10. y[1:3]
    
11. #system.time(y <- segmentCN(strwords = x,analyzer = "hmm",returnType = "vector"))
    
12. #拆分列表为向量
    
13. y <- unlist(y)
    
14. #过滤数字
    
15. y <- y[!grepl('[0-9]',y)]
    
16. #过滤空白以及单个词
    
17. y <- y[nchar(y)>=2]
    
18. #统计频数
    
19. table(y)
    
20. #排序获得前50个关键字
    
21. top50 <- sort(table(y),decreasing = TRUE)[1:50]
    
22. top50
    
23. #绘图
    
24. wordcloud2(top50)
    
25. #修改形状和配色
    
26. wordcloud2(top50,shape = "star",color = rep_len(c("red","darkred"),length(top50)))
    
27. wordcloud2(top50,shape = "circle")
    
28. wordcloud2(top50,shape = "circos")
    
29. wordcloud2(top50,shape = "R")

复制代码

      
        文字云图

二、相关性图

1. library(corrplot)
   
2. corrplot(as.matrix(mtcars),is.corr = F)
   
3. corrplot(as.matrix(mtcars),is.corr = F,type = 'upper')
   
4. corrplot(as.matrix(mtcars),is.corr = F,type = 'upper',method = 'pie')
   
5. 
   
6. M <- cor(mtcars)
   
7. M
   
8. corrplot(M)
   
9. # method = c("circle", "square", "ellipse", "number", "shade", "color", "pie"),
   
10. corrplot(M,method = "ellipse")
    
11. corrplot(M,method = "shade")
    
12. corrplot(M,method = "color")
    
13. corrplot(M,method = "shade")
    
14. corrplot(M,method = "circle")
    
15. corrplot(M,method = "pie",type = "upper")
    
16. corrplot(M,method = "circle",type = "lower")
    
17. corrplot(M, order = "AOE", type = "upper", tl.pos = "d")

复制代码

      
        相关性图

三、曼哈顿图
        曼哈顿图（manhattan plot），是一种类似曼哈顿摩天大楼排列的一种展示图。如下图所示。
        美国纽约曼哈顿区。manhattan 图即模拟曼哈顿高低起伏的摩天大楼而成，类似一种条形图。在生物和统计学上，做频率统计、突变分布、GWAS 关联分析的时候，经常需要绘制manhattan 图，用来展示每条染色体上 SNP 的分布及频率变化，能够对候选位点的分布和数值一目了然。在 R 中，可以利用 qqman 包来绘制 Manhattan 图，Plink 软件的输出结果可以直接作为输入数据进行绘图。

1. library(qqman)  
   
2. library(RColorBrewer)  
   
3. str(gwasResults)  
   
4. head(gwasResults)  
   
5. dim(gwasResults)
   
6. manhattan(gwasResults)  
   
7. manhattan(gwasResults,col=c('red','green'))  
   
8. manhattan(gwasResults,col=brewer.pal(3,'Set1'),genomewideline=6)  
   
9. manhattan(gwasResults,col=brewer.pal(3,'Set1'),genomewideline=6,suggestiveline = 3)  
   
10. manhattan(gwasResults,col=brewer.pal(3,'Blues'),genomewideline=6,suggestiveline = 3,
    
11.           highlight = snpsOfInterest,annotatePval = 0.001)  

复制代码

      
        曼哈顿图

1. manhattan(gwasResults, annotatePval = 0.001, annotateTop = FALSE)  

复制代码

      

四、树形图

1. library(factoextra)
   
2. dd <- dist(mtcars,method = "euclidean")
   
3. dd
   
4. hc <- hclust(dd,method = "ward.D2")
   
5. plot(hc)
   
6. fviz_dend(hc)
   
7. fviz_dend(hc,k=4)
   
8. fviz_dend(hc,k=4,cex = 0.8,k_colors = rainbow(4))
   
9. fviz_dend(hc,k=4,cex = 0.8,k_colors = rainbow(4),color_labels_by_k = FALSE,rect_border = rainbow(4))
   
10. 
    
11. fviz_dend(hc,k=4,horiz = TRUE,type = c("circular"))
    
12. fviz_dend(hc,k=4,horiz = TRUE,type = c("rectangle"))
    
13. fviz_dend(hc,k=4,horiz = TRUE,type = c("phylogenic"))

复制代码

      
        树形图

五、和弦图
        和弦图(chord Diagram)，是一种显示矩阵中数据间相互关系的可视化方法，节点数据沿圆周径向排列，节点之间使用带权重（有宽度）的弧线链接。和弦图是表示数据之间相互关系的图形方法。节点围绕着圆周分布，点与点之间以弧线彼此连接以显示当中关系，通过每个圆弧的大小比例给每个连接分配数值。此外，还可以通过颜色将数据分类，直观地进行比较和区分。

        之前的“基因组圈图”也是一种和弦图，用来展示基因组之间相互关系。
        和弦图的输入数据非常简单，主要是一种关联，最简单的分为三列。source 字段、target字段、和 value 字段，也就是从哪里到哪里，然后就是数值。source 和 target 确定连接关系，为字符型，value 确定关系大小，展示连接关系大小。

        更复杂的和弦图可以使用 Circos 软件绘制。

1. library(circlize)
   
2. library(RColorBrewer)
   
3. help(package="circlize")
   
4. set.seed(999)
   
5. mat<-matrix(sample(18, 18), 3, 6)
   
6. rownames(mat) <- paste0("S", 1:3)
   
7. colnames(mat) <- paste0("E", 1:6)
   
8. df<- data.frame(from = rep(rownames(mat), times = ncol(mat)),
   
9.                 to = rep(colnames(mat), each = nrow(mat)),
   
10.                 value = as.vector(mat),
    
11.                 stringsAsFactors = FALSE)
    
12. #长数据
    
13. chordDiagram(df,grid.col = brewer.pal(9,"Set1")[1:9],link.border="gray")
    
14. circos.clear()
    
15. 
    
16. #宽数据
    
17. chordDiagram(mat,grid.col = brewer.pal(9,"Set1")[1:9],link.border="grey")
    
18. circos.clear()

复制代码

      
        圈图

六、地图

1. library(maps)
   
2. library(mapdata)
   
3. library(ggplot2)
   
4. 
   
5. world_map <- map_data("world")
   
6. #查看全部区域
   
7. world_map$region
   
8. unique(world_map$region)
   
9. sort(unique(world_map$region))
   
10. #获取某一地区地图数据
    
11. states_map <- map_data("state")
    
12. #绘制地图，使用geom_polygon()或者geom_path(),再加上地图投影
    
13. ggplot(states_map,aes(x=long,y=lat,group=group))+geom_polygon(fill="white",color="black")+
    
14.   coord_map("mercator")
    
15. 
    
16. ggplot(states_map,aes(x=long,y=lat,group=group))+geom_path()+coord_map("mercator")
    
17. 
    
18. #数据映射到地图
    
19. crimes <- data.frame(state=tolower(rownames(USArrests)),USArrests)
    
20. crimes
    
21. states_map <- map_data(map="state")
    
22. crime_map <- merge(states_map,crimes,by.x = "region",by.y = "state")
    
23. library(dplyr)
    
24. dplyr::arrange(crime_map,group,order)
    
25. crime_map <-  dplyr::arrange(crime_map,group,order)
    
26. ggplot(crime_map,aes(x=long,y=lat,group=group,fill=Murder))+geom_polygon(color="black")+
    
27.   scale_fill_gradient(low = 'cyan',high = 'red') +
    
28.   coord_map("mercator")

复制代码

      
        美国谋杀率地图

1. #绘制中国地图
   
2. china <- world_map[world_map$region=="China",]
   
3. ggplot(china,aes(x=long,y=lat,group=group))+geom_polygon(fill="white",color="black")
   
4. head(china)
   
5. china <- subset(x = world_map,subset = region==c("China","Taiwan"))
   
6. china
   
7. ggplot(china,aes(x=long,y=lat,group=group))+geom_polygon(fill="red",color="black")

复制代码

      
        中国地图

1. #mapdata包中的worldHires提供高分辨率地图数据
   
2. library(mapdata)
   
3. map('worldHires', col=1:10)
   
4. map('worldHires', 'China')
   
5. map_data(map = "china")
   
6. china <- map_data(map = "china")
   
7. ggplot(china,aes(x=long,y=lat,group=group,fill=region))+geom_polygon(color="black")
   
8. # m_polygon(color="black")
   
9. ggplot(china,aes(x=long,y=lat,group=group))+geom_polygon()
   
10. ggplot(china,aes(x=long,y=lat,group=group))+geom_polygon(fill="red")+coord_map("mercator")

复制代码

      
        高分辨率中国地图