在ggplot2中将堆叠和分组条形图相结合

Question

在ggplot2中将堆叠和分组条形图相结合

rplotggplot2bar-chart

6

我正在尝试重新创建这个图表，但不想使用可怕的3D条形图和不清晰的X轴（这些是不同的时间点，很难确定它们的时间）。

Bad plot

(来自Science 291，第5513期（2001年）：2606-8，除此之外是一篇很好的论文。)

我的第一反应是做类似于他们所做的事情，使用2D条形图和不同的x轴标签，对基因型使用dodged bars，然后使用堆积条形图在前面的条形图上获得黑白分割，但是这里有几个其他好问题说你不能这样做。

我的下一个方法是使用faceting（以下是代码），这个方法效果还不错，但我很想看到更好的方法来做这个。有没有一种方法可以将某些变量堆叠起来，而将其他变量闪避掉？或者只是一般做法更好吗？

编辑：为了澄清，我认为显示堆叠条形图的总数很重要（在这种情况下是m和n，最初是黑色和白色），因为这代表了一个测量数量，然后分割是另一个测量。

This is my faceted version.

library(tidyverse)
library(cowplot)

data = tribble(
  ~Timepoint, ~`Ancestral genotype`, ~Mutator, ~`Mean % of auxotrophs`,
  100, 'mutS-', 'o', 10.5,
  150, 'mutS-', 'o', 16,
  220, 'mutS-', 'o', NA,
  300, 'mutS-', 'o', 24.5,
  100, 'mutS+', 'n', 1,
  150, 'mutS+', 'n', NA,
  220, 'mutS+', 'n', 1,
  300, 'mutS+', 'n', 1,
  100, 'mutS+', 'm', 0,
  150, 'mutS+', 'm', NA,
  220, 'mutS+', 'm', 2,
  300, 'mutS+', 'm', 5
)

data <- data %>% mutate(Timepoint = as.character(Timepoint))

data %>% ggplot(aes(x = Timepoint, y = `Mean % of auxotrophs`)) +
  geom_col(aes(fill = Mutator), position = 'stack') + facet_grid(~`Ancestral genotype` ) +
  guides(fill=FALSE)

- Jazz Weisman

1个回答

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- eipi10 · Accepted Answer

我认为在这里使用折线图更直观:

 library(forcats)

 data %>% 
   filter(!is.na(`Mean % of auxotrophs`)) %>%
   ggplot(aes(x = Timepoint, y = `Mean % of auxotrophs`, 
              color = fct_relevel(Mutator, c("o","m","n")), linetype=`Ancestral genotype`)) +
   geom_line() +
   geom_point(size=4) + 
   labs(linetype="Ancestral\ngenotype", colour="Mutator")

回应您的评论：以下是一种简单粗暴的方法，可以通过 Ancestral genotype 分别堆叠，然后对每一对进行躲避。我们分别为 mutS- 和 mutS+ 绘制堆叠条形图，并通过将 Timepoint 微调相反方向的小量手动躲避条形图。将条形图的 width 设置为两次移位量将导致成对的条形图彼此接触。我添加了一点额外的移位量（5.5 而不是 5），以在每个对中的两个条之间创建微小的空间。

 ggplot() +
   geom_col(data=data %>% filter(`Ancestral genotype`=="mutS+"),
            aes(x = Timepoint + 5.5, y = `Mean % of auxotrophs`, fill=Mutator),
            width=10, colour="grey40", size=0.4) + 
   geom_col(data=data %>% filter(`Ancestral genotype`=="mutS-"),
            aes(x = Timepoint - 5.5, y = `Mean % of auxotrophs`, fill=Mutator), 
            width=10, colour="grey40", size=0.4) + 
   scale_fill_discrete(drop=FALSE) +
   scale_y_continuous(limits=c(0,26), expand=c(0,0)) +
   labs(x="Timepoint")

注意：在上面两个示例中，我将Timepoint保留为数字变量（即跳过了将其转换为字符的步骤），以确保x轴以时间单位命名，而不是将其转换为分类轴。 3D图是一种丑陋的图表，不仅因为由于3D透视而产生扭曲，还因为它会创建一个虚假的外观，即每个测量值之间的时间间隔相同。