R 语言科研绘图第 67 期 --- 箱线图-显著性

在发表科研论文的过程中,科研绘图是必不可少的,一张好看的图形会是文章很大的加分项。

为了便于使用,本系列文章介绍的所有绘图都已收录到了 sciRplot 项目中,获取方式:

R 语言科研绘图模板 --- sciRplothttps://mp.weixin.qq.com/s/QA_8LVqjkdg4A16zLonw4w?payreadticket=HLOgsG8DQqDOdx9tqnGxeR3uCSjZBth0CEt0-amiaHLBEmCSi9s75EiFjH5-n7rjFdo7Zkk本期绘图预览:

1. 导入包

我们首先导入本期绘图用到的 R 包:

复制代码
library(ggplot2)library(ggsignif)

2. 准备数据

接下来我们导入绘图用到的数据,在 sciRplot 中给大家提供了测试数据:

复制代码
data <- sciRplot_data

查看下数据格式:

3. 准备配色

颜色的选择往往是一件让人特别纠结的事情,这里我们直接使用 sciRcolor 来设置配色:

复制代码
colors <- sciRcolor::pal_scircolor(37)[1:4]

sciRcolor 是为了 R 语言科研绘图开发的配色工具,包含了 100 种常用配色,详细信息见:

R 语言科研配色工具 --- sciRcolorhttps://mp.weixin.qq.com/s/XZol4VxvHnJD_49ij3f2mg?payreadticket=HAlyw87TZ9vbcokVcKDjff2gmpVk_bmjttsdEpqGKMRrrUORhXyg23XuNVpmO96SiCqjqFk

4. 绘制图形

接下来我们通过下面的代码来绘制图形:

复制代码
p <-   ggplot(data, aes(x=Name, y=Value, fill=Name, colour=Name)) +  geom_violin(alpha=0.8, scale='width', trim=TRUE, fill=NA) +  geom_boxplot(alpha=0.5, size=1, width=0.3) +  geom_jitter(alpha=0.3, size=4) +  geom_signif(comparisons=list(c("A","B"),c("A","C"),c("A","D")),              color = "black",              test=t.test, test.args=list(var.equal=T, alternative="two.side"),              y_position=c(30, 35, 40),              size = 1.5, textsize = 6, parse=T) +  labs(x="Name", y="Value") +  scale_y_continuous(breaks=seq(0,45,10), limits = c(0,45),                     expand = expansion(mult = c(0, 0.05))) +  theme_classic(base_size = 25) +  theme(panel.grid.major.y = element_line(), legend.position = "none") +  scale_fill_manual(values = colors) +  scale_color_manual(values = colors)p

5. 保存图形

最后我们保存绘制的图形:

复制代码
ggsave("save/box-signif.png", p, width = 8, height = 6, dpi = 300)

sciRplot 介绍

为了解决 R 语言中科研绘图的问题,我推出了 sciRplot 项目。sciRplot 项目包含了以下内容:

100 种绘图代码,按照图形类型进行分类,包含 60基础绘图40进阶绘图

② 配备一站式 html文档 ,包含测试数据 ,代码一键复制交互式阅读提高用户体验

相关推荐
gfsoso7 小时前
Sci-Hub打不开解决方案
科研·学术·高校
知识分享小能手8 小时前
R语言入门学习教程,从入门到精通,R语言数据计算与分组统计(9)
开发语言·学习·r语言
Evand J9 小时前
【MATLAB绘图教程】空间误差场图的概念及其应用,附代码
matlab·平面·绘图·定位
AI医影跨模态组学10 小时前
如何将CT影像语义特征与肝癌术后辅助TACE获益相关的免疫抑制性肿瘤微环境建立关联,并进一步解释其与预后、PA-TACE治疗响应的机制联系
人工智能·深度学习·论文·医学·医学影像·影像组学
AI医影跨模态组学1 天前
如何将纵向MRI深度学习特征与局部晚期直肠癌新辅助放化疗后的免疫微环境建立关联,并解释其对pCR及预后的机制
人工智能·深度学习·论文·医学·医学影像·影像组学
AI医影跨模态组学2 天前
如何将多模态MRI影像特征与脑膜瘤细胞增殖标志物Ki-67建立关联,并进一步解释其与肿瘤生长速率、无进展生存期的机制联系
人工智能·论文·医学·医学影像·影像组学
九章算科研服务2 天前
九章算 AM 解读【钙钛矿】南航朱印龙教授课题组:3DOM钙钛矿界面微环境调控促进完全重构以实现高电流C2+电合成
重构·科研·dft计算·科研服务·硕博
知识分享小能手2 天前
R语言入门学习教程,从入门到精通,R语言网络关系数据可视化(8)
学习·信息可视化·r语言
AI医影跨模态组学2 天前
如何将淋巴结影像组学特征与肿瘤血管异质性及缺氧微环境建立关联,并进一步解释其与晚期胆道癌免疫治疗响应及预后的机制联系
人工智能·论文·医学·医学影像·影像组学
AI医影跨模态组学2 天前
如何通过影像组学模型无创预测三阴性乳腺癌中的三级淋巴结构(TLSs),并借助病理组学揭示其与治疗响应、预后及细胞侵袭性表型的机制联系
人工智能·论文·医学·医学影像·影像组学·医学科研