具有多个类别的点图 - R
Dot Plots with multiple categories - R
对于可视化数据,我绝对是 R 的新手,所以请多多包涵。
我希望创建七个分类样本的并排点图,其中许多基因表达值与单个基因名称相对应。 mydata.csv 文件如下所示
B27 B28 B30 B31 LTNP5.IFN.1 LTNP5.IFN.2 LTNP5.IL2.1
1 13800.91 13800.91 13800.91 13800.91 13800.91 13800.91 13800.91
2 6552.52 5488.25 3611.63 6552.52 6552.52 6552.52 6552.52
3 3381.70 1533.46 1917.30 2005.85 3611.63 4267.62 5488.25
4 2985.37 1188.62 1051.96 1362.32 2717.68 2985.37 5016.01
5 1917.30 2862.19 2625.29 2493.26 2428.45 2717.68 4583.02
6 990.69 777.97 1269.05 1017.26 5488.25 5488.25 4267.62
我希望每个样本数据都组织在一张图中自己的点图中。此外,如果我能指出个人感兴趣的数据点,那就太好了。
谢谢!
您可以使用基数 R,但您需要先转换为 matrix
。
dotchart(as.matrix(df))
或者,我们可以转置矩阵,按样本排列:
dotchart(t(as.matrix(df)))
考虑到您的 [toy] 数据存储在名为 a
的数据框中:
library(reshape2)
library(ggplot2)
a$trial<-1:dim(a)[1] # also, nrow(a)
b<-melt(data = a,varnames = colnames(a)[1:7],id.vars = "trial")
b$variable<-as.factor(b$variable)
ggplot(b,aes(trial,value))+geom_point()+facet_wrap(~variable)
产生
我们做了什么:
加载所需的库(reshape2
从宽转换为长,ggplot2
转换为绘图); melt
将数据转换成长格式(更难阅读,更容易处理),然后用 ggplot
绘图。
我介绍了 trial
指向每个 "run" 每个变量都被测量了,所以我在 variable
的每个级别绘制了 trial
vs value
. facet_wrap
部分将每个图放入由 variable
.
确定的子图区域
对于可视化数据,我绝对是 R 的新手,所以请多多包涵。
我希望创建七个分类样本的并排点图,其中许多基因表达值与单个基因名称相对应。 mydata.csv 文件如下所示
B27 B28 B30 B31 LTNP5.IFN.1 LTNP5.IFN.2 LTNP5.IL2.1
1 13800.91 13800.91 13800.91 13800.91 13800.91 13800.91 13800.91
2 6552.52 5488.25 3611.63 6552.52 6552.52 6552.52 6552.52
3 3381.70 1533.46 1917.30 2005.85 3611.63 4267.62 5488.25
4 2985.37 1188.62 1051.96 1362.32 2717.68 2985.37 5016.01
5 1917.30 2862.19 2625.29 2493.26 2428.45 2717.68 4583.02
6 990.69 777.97 1269.05 1017.26 5488.25 5488.25 4267.62
我希望每个样本数据都组织在一张图中自己的点图中。此外,如果我能指出个人感兴趣的数据点,那就太好了。
谢谢!
您可以使用基数 R,但您需要先转换为 matrix
。
dotchart(as.matrix(df))
或者,我们可以转置矩阵,按样本排列:
dotchart(t(as.matrix(df)))
考虑到您的 [toy] 数据存储在名为 a
的数据框中:
library(reshape2)
library(ggplot2)
a$trial<-1:dim(a)[1] # also, nrow(a)
b<-melt(data = a,varnames = colnames(a)[1:7],id.vars = "trial")
b$variable<-as.factor(b$variable)
ggplot(b,aes(trial,value))+geom_point()+facet_wrap(~variable)
产生
我们做了什么:
加载所需的库(reshape2
从宽转换为长,ggplot2
转换为绘图); melt
将数据转换成长格式(更难阅读,更容易处理),然后用 ggplot
绘图。
我介绍了 trial
指向每个 "run" 每个变量都被测量了,所以我在 variable
的每个级别绘制了 trial
vs value
. facet_wrap
部分将每个图放入由 variable
.