用R画带ErrorBar的分组条形图
本文介绍了如何用R画出带error bar的分组条形图。
本文旨在给出一种利用R对生物学重复数据画带error bar的分组条形图的方法。
所用数据是模拟生成的：分成三个组，每个组进行了若干次生物学重复；测量的是3种基因的表达量。数据的部分内容如下：
## gene1 gene2 gene3 Group
## 1 49.72475 267.0007 126.2007 Group1
## 2 114.62184 173.8780 150.2641 Group2
## 3 128.03351 227.9456 152.6378 Group3
## 4 134.90841 385.1979 148.2739 Group1
## 5 136.56659 190.0663 122.6201 Group2
## 6 143.88241 329.0516 236.9131 Group3两种方法的完整代码放在了文末。如有问题，欢迎指正！
第一种实现方法：用aggregate计算数据
# 导入数据
setwd("E:/")
df <- read.csv("gene_exp.csv", header=T)
# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df)[1:3] <- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容## 'data.frame': 3000 obs. of 4 variables:
## $ gene-1: num 49.7 114.6 128 134.9 136.6 ...
## $ gene-2: num 267 174 228 385 190 ...
## $ gene-3: num 126 150 153 148 123 ...
## $ Group : Factor w/ 3 levels "Group1","Group2",..: 1 2 3 1 2 3 1 2 3 1 ...# 将上述"宽数据"转化为"长数据"
library(reshape2)
df_reshape <- melt(df, id.vars=c("Group"))
str(df_reshape)## 'data.frame': 9000 obs. of 3 variables:
## $ Group : Factor w/ 3 levels "Group1","Group2",..: 1 2 3 1 2 3 1 2 3 1 ...
## $ variable: Factor w/ 3 levels "gene-1","gene-2",..: 1 1 1 1 1 1 1 1 1 1 ...
## $ value : num 49.7 114.6 128 134.9 136.6 ...# 获取三个组各个基因表达量的平均值
df_mean <- aggregate(df_reshape$value, list(Group=df_reshape$Group,
gene=df_reshape$variable), mean, na.rm=T)
# 获取三个组各个基因表达量的标准差
df_sd <- aggregate(df_reshape$value, list(Group=df_reshape$Group,
gene=df_reshape$variable), sd, na.rm=T)
# 合并mean和sd
colnames(df_mean)[3] <- "mean"
colnames(df_sd)[3] <- "sd"
df_stat <- merge(df_mean, df_sd, by=c("Group", "gene"))
str(df_stat)## 'data.frame': 9 obs. of 4 variables:
## $ Group: Factor w/ 3 levels "Group1","Group2",..: 1 1 1 2 2 2 3 3 3
## $ gene : Factor w/ 3 levels "gene-1","gene-2",..: 1 2 3 1 2 3 1 2 3
## $ mean : num 120 249 149 119 250 ...
## $ sd : num 19.4 51.4 30.2 21.2 52.3 ...# 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge <- position_dodge(width=.9)
ggplot(data=df_stat) +
geom_bar(aes(x=gene, y=mean, fill=Group),
stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
stat="identity", position=dodge, width=.3)
第二种实现方法：用dplyr包计算数据
# 导入数据
setwd("E:/")
df <- read.csv("gene_exp.csv", header=T)
# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df)[1:3] <- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容## 'data.frame': 3000 obs. of 4 variables:
## $ gene-1: num 49.7 114.6 128 134.9 136.6 ...
## $ gene-2: num 267 174 228 385 190 ...
## $ gene-3: num 126 150 153 148 123 ...
## $ Group : Factor w/ 3 levels "Group1","Group2",..: 1 2 3 1 2 3 1 2 3 1 ...# 获取三个组各个基因表达量的平均值和标准差
library(tidyr)
library(dplyr)
df_stat <- tbl_df(df) %>%
gather(gene, value, -Group) %>% # 将"宽数据"转化为"长数据"
group_by(Group, gene) %>% # 将数据分组
summarise(mean=mean(value, na.rm=T), sd=sd(value, na.rm=T)) %>% # 计算每组数据的mean和sd
ungroup()
str(df_stat)## Classes 'tbl_df', 'tbl' and 'data.frame': 9 obs. of 4 variables:
## $ Group: Factor w/ 3 levels "Group1","Group2",..: 1 1 1 2 2 2 3 3 3
## $ gene : chr "gene-1" "gene-2" "gene-3" "gene-1" ...
## $ mean : num 120 249 149 119 250 ...
## $ sd : num 19.4 51.4 30.2 21.2 52.3 ...# 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge <- position_dodge(width=.9)
df_stat %>% ggplot() +
geom_bar(aes(x=gene, y=mean, fill=Group),
stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
stat="identity", position=dodge, width=.3)
两种方法的结果是一样的，相对而言，dplyr的实现方法更简单快捷。
最后，两种方法的完整代码如下：
#################第一种实现方法：用aggregate计算数据######################
# 导入数据
setwd("E:/")
df <- read.csv("gene_exp.csv", header=T)
# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df)[1:3] <- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容
# 将上述"宽数据"转化为"长数据"
library(reshape2)
df_reshape <- melt(df, id.vars=c("Group"))
str(df_reshape)
# 获取三个组各个基因表达量的平均值
df_mean <- aggregate(df_reshape$value, list(Group=df_reshape$Group,
gene=df_reshape$variable), mean, na.rm=T)
# 获取三个组各个基因表达量的标准差
df_sd <- aggregate(df_reshape$value, list(Group=df_reshape$Group,
gene=df_reshape$variable), sd, na.rm=T)
# 合并mean和sd
colnames(df_mean)[3] <- "mean"
colnames(df_sd)[3] <- "sd"
df_stat <- merge(df_mean, df_sd, by=c("Group", "gene"))
str(df_stat)
# 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge <- position_dodge(width=.9)
ggplot(data=df_stat) +
geom_bar(aes(x=gene, y=mean, fill=Group),
stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
stat="identity", position=dodge, width=.3)
####################第二种实现方法：用dplyr包计算数据######################
# 导入数据
setwd("E:/")
df <- read.csv("gene_exp.csv", header=T)
# 可以在这里改列名，这些列名就是最终图上X轴的标签名。
colnames(df)[1:3] <- c("gene-1", "gene-2", "gene-3")
str(df) # 显示数据集内容
# 获取三个组各个基因表达量的平均值和标准差
library(tidyr)
library(dplyr)
df_stat <- tbl_df(df) %>%
gather(gene, value, -Group) %>% # 将"宽数据"转化为"长数据"
group_by(Group, gene) %>% # 将数据分组
summarise(mean=mean(value, na.rm=T), sd=sd(value, na.rm=T)) %>% # 计算每组数据的mean和sd
ungroup()
str(df_stat)
# 画图
#直接在画图的语句中计算出error_bar所需的数据：
#（即下面的ymin=mean-sd和ymax=mean+sd语句）。
library(ggplot2)
dodge <- position_dodge(width=.9)
df_stat %>% ggplot() +
geom_bar(aes(x=gene, y=mean, fill=Group),
stat="identity", position=dodge) +
geom_errorbar(aes(x=gene, ymin=mean-sd, ymax=mean+sd, color=Group),
stat="identity", position=dodge, width=.3)