## violin plot
violin plot和boxplot功能类似,但是violin plot将点的密度横向的展示出来了,因此可以很好的看出数据在坐标轴分布的情况。
> 数据继续使用上一节的数据rt_box_m
```
### 类似于boxplot,使用的geom_violin来生成violin plot
PV1 <- ggplot(rt_box_m, aes(x = gene_name, y = expression)) +
geom_violin(trim = FALSE, aes(color = group)) +
scale_color_manual(values = c("blue", "red")) #改变violin颜色
print(PV1)
### 感觉这样有点难看
### 我们可以把boxplot也加入进去,可能好看点
svg(file = 'box_plot17.svg', width = 8, height = 4)
PV2 <- ggplot(rt_box_m, aes(x = gene_name, y = expression)) +
geom_violin(trim = FALSE, aes(color = group)) +
geom_boxplot(width = 0.1, aes(color = group), position = position_dodge(0.9)) + #加入box
scale_color_manual(values = c("blue", "red"))
print(PV2)
### 也可以将box变成点
PV3 <- ggplot(rt_box_m, aes(x = gene_name, y = expression)) +
geom_violin(trim = FALSE, aes(color = group)) +
geom_dotplot(aes(fill = group, color = group), trim = FALSE,
binaxis='y', stackdir='center', dotsize = 0.2,
position = position_dodge(0.9)) #加入点
print(PV3)
```
![scatter plot](http://kancloud.nordata.cn/2018-12-30-74247.png)
![scatter plot](http://kancloud.nordata.cn/2018-12-30-074247.png)
![scatter plot](http://kancloud.nordata.cn/2018-12-30-074248.png)
- 智汇医圈
- 第一章 前言
- 1.1 简介
- 1.2 制作该教程的目的
- 1.3 学习该教程需要掌握的基础知识
- 1.4 该教程适用人群
- 第二章 散点图(scatter plot)
- 2.1 基本的散点图
- 2.2 3D 散点图
- 第三章 线图(line plot)
- 3.1 基本的线图
- 第四章 箱型图(boxplot)
- 4.1 基本的箱型图
- 4.2 图形参数调整
- 4.3 多分组箱型图
- 4.4 小提琴图
- 第五章 密度图(density plot)
- 5.1 基本的密度图
- 第六章 热图(Heatmap)
- 6.1 基本的热图
- 6.2 ggplot2 heatmap
- 6.3 相关性热图
- 第七章 主成分分析(PCA)
- 7.1 2D PCA
- 7.2 3D PCA
- 第八章 ROC 曲线
- 8.1 基本的 ROC 曲线
- 第九章 生存分析(KM plot)
- 9.1 基本的生存分析
- 第十章 KEGG 和 GO 分析
- 10.1 KEGG 分析
- 10.2 GO 分析
- 第十一章 Circular plot
- 11.1 基本的 Circular plot
- 附录 下载数据