代码之家 › 专栏 › 技术社区 › Nono_sad

R ggplot按组在排名数据上创建小提琴图

bioinformatics ggplot2 dataframe r

Nono_sad · 技术社区 · 6 年前

我有点被困在图上,想弄个数字。

所以我有一个数据帧,长度=21685

这里是我的数据的一个小例子

x <- data.frame("Genes" = c("Gene_1","Gene_2","Gene_3","Gene_4","Gene_5",
"Gene_6","Gene_2","Gene_8","Gene_4","Gene_10"),
"Start" = c(1,1,50,400,400,500,700,700,2000,2000), 
"End" = c(10,10,200,600,600,600,1000,1000,3000,3000),
"Log2_FC"=c(-1.2,-1.2,-0.7,-0.1,-0.1,0.3,1,1,1.5,1.5),
"TPM"=c(0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9,1))

(x只是我以df命名的原始数据帧的一部分)

所以我有很多坐标,对于每个坐标:

一个相关基因(同一坐标可以有多个基因,不同坐标可以有一个已经与给定位置相关的基因)
每个坐标的唯一Log2(FC)值
唯一TPM值/每个坐标/每个基因(代表与该坐标相关的给定基因的活动)

我按“Log2_FC”对数据进行了排序。

所以我要做的是按1000人一组绘制我的数据。为此,我在数据框中添加了另一列

df$TPM_range_1000=
rep(seq(1000, 22000, by=1000), each=1000, length.out=21685)
df$TPM_range_1000<-as.factor(df$TPM_range_1000)

然后做我的身材:

 (fig1<-ggplot(df, aes(x=TPM_range_1000,y=TPM))+
  geom_violin(scale = "width",adjust = .5,fill='#A4A4A4', color="darkred")+
  geom_boxplot(width=0.1) + theme_minimal()+
  stat_summary(fun.y=mean, geom="point",size=2,color="red",aes(shape="Mean")) +
  theme(axis.text.x = element_text(angle = 90, hjust = 1))+
  guides(colour=guide_legend(order=1), shape=guide_legend(title=NULL, order=2)))

我得到了这样的东西:

所以在这里,我有几个问题。。。第一个是,除最后一组=685外,所有组均为=1000。如何根据给定组的长度更改x标签。因为这里最后一组等于685,但对于其他数据,它可能不同。

另一件事是,我如何在相同的坐标上合并并保留不同的TPM。因为实际上我的数据框应该更短,但我不想在TPM列中丢失信息,因为我需要在这里绘制值。

所以,如果有人能帮我解决至少一个问题,那就太好了。谢谢你阅读这篇文章,这很棘手,也不容易解释,但我尽力了:)。

最好的

0 回复 | 直到 6 年前

Nono_sad 6 年前

我至少找到了一个问题的解决方案。如果有人需要答案,我会发布答案。你也可以给我你对我的解决方案的看法。

所以我根据“开始”“结束”“Log2_FC”删除了重复项,它应该是唯一的。因为我想每个坐标只保留一个值,所以我计算了有几个TPM的坐标的平均值。

#Here I drop duplicates and compute mean for coordinates which have several TPM
test =as.data.frame( df %>% group_by(start,end,Log_FC) %>% summarise(TPM=mean(TPM))) 

#I order by Log_FC value
test=test[order(test$Log_FC),]

#them make group of 500. So first 500 coordinates will have lowest Log2_FC value
test$TPM_range_500=rep(seq(500, 15000, by=500), each=500,length.out=length(test[,1])) 

#To be plot as a factor
test$TPM_range_500<-as.factor(test$TPM_range_500)

所以我得到了这个图表:

但我仍然有一个问题来表示我的数据。

我的数据帧长度等于14470。所以数据:

第一组(500人)将在0-500人之间
在13500-14000之间将在14000组
14000-14470之间将是最后一组:14500

但这里的问题是最后一组比另一组短。所以我想至少更改最后一个x标签,以替换为组的长度。

谢谢你的帮助。。。