跟着Nature methods学作图：小提琴图+盒形图篇

2021-05-09 本文已影响0人数据可视化艺术

大家好，今天看到nature methods中一篇关于单细胞数据挖掘的文章，发现此类文章或者其它类文章小提琴图和盒形图出现频率特别高。遂和大家分享下这篇文章Fast searches of large collections of single-cell data using scfind中的小提琴图和盒形图的代码和基因云平台的快速实现。

论文页面：

image
文章链接：https://www.nature.com/articles/s41592-021-01076-9
论文代码及数据：https://github.com/hemberg-lab/scfind-paper-figures
附件数据：https://www.nature.com/articles/s41592-021-01076-9#Sec39
image

本次主要通过文章中的数据和相关代码复现上述文章中的fig1.d 的小提琴图，以及fig2.d中的盒形图。

image

图1 待复现的图表

数据大家可以通过上述链接下载，作者对每幅图的数据都作了清晰的标注。
首先我们看看fig1.d的小提琴图的绘制方法：

# 图例 
legend_order <- c("BCA", "MCA", "TM, 10X", "TM, FACS", "sciATACseq", "MOCA")
# 主题样式设置
main <- theme_minimal() + theme(axis.title.y = element_text(size=12), axis.title.x = element_text(size=12), text = element_text(size=12), panel.grid.major = element_blank(), panel.grid.minor = element_blank(), panel.background = element_blank()) 
colorcode = "Dark2"
# 读取数据
df.1d <- read.table("./data/fig1d.csv", sep = ","
                    , header = T, 
                    stringsAsFactors = F)
df.1d$atlas <- factor(df.1d$atlas, levels = legend_order)
# 开始绘图
p.1d <- ggplot(df.1d, aes(x = atlas, 
                          y = as.numeric(rho), 
                          fill = atlas)) + 
        main + theme(axis.text.x = element_blank()) + 
        guides(col = guide_legend(ncol = 2)) +
        ylab("rho")+ xlab("Atlas") + 
        scale_fill_brewer(palette = colorcode) + 
        geom_violin(trim = T) + geom_boxplot(width=0.1, fill="white")</pre>

图2 文章fig1.d 小提琴

接下来，我们继续看fig2.d的代码实现：

# 读取数据
df.2d <- read.table("./data/fig2d.csv", sep = ",", header = T, stringsAsFactors = F)
# 设置颜色
cbPalette <- c("#999999", "#E69F00", "#56B4E9", "#009E73", "#0072B2", "#D55E00", "#CC79A7")
# 开始绘图
p.2d <- ggplot(df.2d[!df.2d$no_of_genes %in% 5,], 
               aes(x = as.character(no_of_genes), 
                   y = score, fill = type)) + 
        main + xlab("Number of genes") + ylab("Score") + 
        scale_fill_manual("Score type", values = cbPalette) + 
        geom_boxplot(size = .2, notch = T, outlier.size = .2) + 
        facet_grid(. ~ query)</pre>