首页 > 其他分享 >R:相对丰度堆叠柱状图

R:相对丰度堆叠柱状图

时间:2024-03-08 09:25:33浏览次数:20  
标签:library Desktop 堆叠 柱状图 用于 丰度

# 清空当前环境中的所有对象
rm (list = ls ())
setwd("C:\\Users\\Administrator\\Desktop\\新建文件夹\\Stacked bar chart") #设置工作目录
library(ggplot2)   # 用于绘图
library(ggalluvial) # 用于绘制柱状图背后的条带
library(grid) # 用于访问unit函数
ra <- as.matrix(read.table("Phylum_top10.txt", row.names =1, 
                           header = F, sep = "\t")) # 读入相对丰度数据并转换为矩阵方便后续数据整理

group <- c("B73", "Mo17")  # 品种变量
code <- c("B_DAS28","B_DAS42","B_DAS56","B_DAS70","M_DAS28","M_DAS42","M_DAS56","M_DAS70") # 8组处理变量
code_rep <- rep(code, each = 11)
taxa_rep <- rep(rownames(ra), 8)
cultivar_rep <- rep(group, each = 44)
abundance_vec <- as.vector(ra)
dat <- data.frame(code = code_rep,
                  Phylum = taxa_rep,
                  cultivar = cultivar_rep,
                  abundance = abundance_vec)

dat$Phylum <- factor(dat$Phylum, levels = c("Proteobacteria","Actinobacteria","Bacteroidetes","Firmicutes",
                                            "Planctomycetes","Acidobacteria","Verrucomicrobia","Gemmatimonadetes","Deinococcus-Thermus",
                                            "Cyanobacteria","Others"))
ggplot(dat, aes(x = code, y = abundance, fill = Phylum))+
  geom_bar(stat = "identity", width = 0.6, alpha = 1)+ # 柱状图绘制
  geom_flow(aes(alluvium = Phylum), alpha = 0.4) + # 添加柱状图后的条带
  scale_fill_manual(values = c(
    "#76B4BD", # 类似于B73但稍微深一点
    "#E9C46A", # 类似于Mo17但稍微亮一点
    "#88C695", # 类似于DAS28但更偏向绿色
    "#F4E3A1", # 类似于DAS42但更亮
    "#C9A8C5", # 类似于DAS56但更淡
    "#6D6DB5", # 类似于DAS70但更亮
    "#5BA8A0", # 新增颜色,提供与上述颜色不同的选项
    "#F2A2C7", # 新增颜色,鲜艳且易于区分
    "#9CAD60", # 新增颜色,自然而柔和
    "#BC8F8F", # 新增颜色,温暖的中性色
    "#C0C0C0"  # 新增颜色,为“Other”分类提供一个中性选项
  ))+
  theme_bw()+ # 将主题调整为白色背景和浅灰色网格线
  facet_grid(.~cultivar, scales = "free_x", space = "free_x")+ # 按照cultivar这个变量进行分块
  xlab("")+ # 去掉x轴的标题
  ylab("Relative abundance (%)")+ # 设置y轴的标签
  theme(panel.grid.major.x = element_blank(),
        axis.text.x = element_text(size = rel(1.2), angle = 0, face = "plain", color = "black"),
        axis.text.y = element_text(size=rel(1.2), face = "plain", color = "black"),
        legend.text = element_text(size = rel(1)),
        strip.text.x = element_text(size = rel(1.5), face = "bold"),
        strip.background = element_rect(fill = "lightblue", size = 1),
        panel.border = element_rect(colour = "black", fill = NA, size = 1.2),
        axis.title.y = element_text(size = 14),
        legend.position = "bottom",
        legend.title = element_blank(),
        legend.key.size = unit(0.5, "cm"), # 控制图例项的大小
        legend.spacing.x = unit(0.1, "cm"), # 控制图例项之间的水平间距
        legend.box.margin = margin(t = -20, unit = "pt")) + # 自定义图例与横坐标的距离
  guides(fill = guide_legend(ncol = 6)) + # 根据需要调整图例项的列数
  scale_y_continuous(expand = c(0, 0.01))

ggsave("Abundance2.png", width = 10, height = 7) # 图片导出,导出为pdf文件,设置图片长和宽

 

标签:library,Desktop,堆叠,柱状图,用于,丰度
From: https://www.cnblogs.com/wzbzk/p/18060283

相关文章

  • 代码随想录 day64 柱状图中最大的矩形
    柱状图中最大的矩形本题和接雨水在很多地方都很相似但是不是求凹槽了而是求突起就是相同的思路求不同的柱体对于每一个柱体找左边最矮的柱体这个柱体的右边的柱体和这个柱体围成的矩形就为最大同理找右边的柱体这里注意要用while而不是if因为要找到最矮的而......
  • 绘制折线图、柱状图以及将生成的图片汇总生成大图片
    绘制柱状图importmatplotlib.pyplotdef订购时间绘图():global订购时间'''每一天的,X轴24个点位;以铃音为单位,每个日期为x轴'''color_list=["red","orange","yellow","green","blue","......
  • matplotlim柱状图
    importnumpyasnpimportmatplotlibmatplotlib.use("TKAgg")importmatplotlib.pyplotaspltd=np.arange(0,10,0.1)datas=np.array([24,10,13,36])subjects=['香蕉','苹果','辣椒','其他']plt.rcParams['font.fa......
  • Leetcode 1691. 堆叠长方体的最大高度
    https://leetcode.cn/problems/maximum-height-by-stacking-cuboids/description/给你n个长方体cuboids,其中第i个长方体的长宽高表示为cuboids[i]=[widthi,lengthi,heighti](下标从0开始)。请你从cuboids选出一个子集,并将它们堆叠起来。如果widthi<=widthj......
  • 动态柱状图
    案例1参考代码如下<!-- 此示例下载自https://echarts.apache.org/examples/zh/editor.html?c=bar-race--><!DOCTYPEhtml><htmllang="en"style="height:100%"><head><metacharset="utf-8"></head>&l......
  • 【Python】基于动态残差学习的堆叠式LSTM模型和传统BP在股票预测中的应用
    1.前言本论文探讨了长短时记忆网络(LSTM)和反向传播神经网络(BP)在股票价格预测中的应用。首先,我们介绍了LSTM和BP在时间序列预测中的基本原理和应用背景。通过对比分析两者的优缺点,我们选择了LSTM作为基础模型,因其能够有效处理时间序列数据中的长期依赖关系,在基础LSTM模型的基础上,......
  • 柱状图(5)
    案例1参考代码如下<!-- 此示例下载自https://echarts.apache.org/examples/zh/editor.html?c=bar-polar-real-estate--><!DOCTYPEhtml><htmllang="en"style="height:100%"><head><metacharset="utf-8"><......
  • 柱状图(4)
    案例1参考代码如下<!-- 此示例下载自https://echarts.apache.org/examples/zh/editor.html?c=dataset-encode0--><!DOCTYPEhtml><htmllang="en"style="height:100%"><head><metacharset="utf-8"></head......
  • 柱状图(3)
    案例1参考代码如下<!-- 此示例下载自https://echarts.apache.org/examples/zh/editor.html?c=bar1--><!DOCTYPEhtml><htmllang="en"style="height:100%"><head><metacharset="utf-8"></head><bo......
  • 柱状图(2)
    案例1参考代码如下<!-- 此示例下载自https://echarts.apache.org/examples/zh/editor.html?c=bar-y-category--><!DOCTYPEhtml><htmllang="en"style="height:100%"><head><metacharset="utf-8"></head&......