简介
在查阅文献的过程中，看到了几幅非常不错的出版图，今天就跟着小编一起学习下，他们是怎么使用 R 绘制出来的。
![_`3G]Y6CTN9YQQUYXHOV(K9.png](https://ucc.alicdn.com/pic/developer-ecology/ddb4d8b50c734eb28328826f5360e7ff.png "_`3G]Y6CTN9YQQUYXHOV(K9.png")
今天主要介绍 第三幅图（C)——两组数据的带抖动点箱线图，这种图形在小编的研究方向中，经常会用来比较不同参数估计方法（极大似然，贝叶斯方法等）的估计性能好坏。这幅图比较常规，难点在于前期的数据准备。
前两幅图的详细代码介绍可见：基于 R 语言的科研论文绘图技巧详解（2），基于 R 语言的科研论文绘图技巧详解（1）。后面几幅图会一一介绍，读者在学习过程中，可以将内部学到的知识点应用到自己的图形绘制中。推文已经将主要知识点进行罗列，更有利于读者学习和查阅。
那我们来看看，作者是怎么实现这个功能的吧，本文知识点较多，大家耐心学习，建议自己实践。对应代码、数据可在 GitHub - marco-meer/scifig_plot_examples_R: Scientific publication figure plotting examples with R[1] 中找到。
主要知识点
- 学会转化数据为图形所需的数据格式；
- 学会绘制三变量的箱线图；
- 学会绘制带抖动的散点图并修改透明度。
绘图
加载包
首先加载一些需要使用到的包。
library(ggplot2) # Grammar of graphics
设置主题
接下来，为了方便起见，作者在绘图前设置好了主题，并将该函数命名为 my_theme。
这一部分在第一篇推文[]给出，代码将在文末中完整代码给出。
手动修改大部分面板，具体可以参考本篇文章[2]。或者观看我在 B 站发布的《R 语言可视化教程》，里面也有一些简单主题设置介绍。
导入数据
首先使用 read.csv() 导入数据，其中一个数据前几行如下所示。
data_Cwt_E8.5 = read.csv( "./data_Cwt_E8.5.csv") data_Cwt_E9.5 = read.csv( "./data_Cwt_E9.5.csv") data_Cwt_E10.5 = read.csv("./data_Cwt_E10.5.csv") data_Cwt_E11.5 = read.csv("./data_Cwt_E11.5.csv") data_Cmu_E8.5 = read.csv( "./data_Cmu_E8.5.csv") data_Cmu_E9.5 = read.csv( "./data_Cmu_E9.5.csv") data_Cmu_E10.5 = read.csv("./data_Cmu_E10.5.csv") data_Cmu_E11.5 = read.csv("./data_Cmu_E11.5.csv") ) head(data_Cwt_E8.5) # X42.0231534315441 # 1 48.60862 # 2 59.44292 # 3 44.47093 # 4 45.87919 # 5 37.43912 # 6 54.70787
之后，使用data.frame()转化数据成 ggplot 所需要的格式。这里作者使用基础包中的 rep() 一列列的构造数据。当然如果你会使用 tidyverse，可以换种方式整理数据。具体可以参考：《R语言教程》[3]和R 数据科学[4]，或者公众号相应的数据科学系列文章。
data_C = data.frame( "type" = c( rep( "wildtype", nrow(data_Cwt_E8.5) + nrow(data_Cwt_E9.5) + nrow(data_Cwt_E10.5) + nrow(data_Cwt_E11. ), rep( "mutant", nrow(data_Cmu_E8.5) + nrow(data_Cmu_E9.5) + nrow(data_Cmu_E10.5) + nrow(data_Cmu_E11.5) ) ), "dev_stage" = c( rep("E8.5", nrow(data_Cwt_E8.5)), rep("E9.5", nrow(data_Cwt_E9.5)), rep("E10.5", nrow(data_Cwt_E10.5)), rep("E11.5", nrow(data_Cwt_E11.5)), rep("E8.5", nrow(data_Cmu_E8.5)), rep("E9.5", nrow(data_Cmu_E9.5)), rep("E10.5", nrow(data_Cmu_E10.5)), rep("E11.5", nrow(data_Cmu_E11.5)) ), "trachea_length" = c( data_Cwt_E8.5[, 1] , data_Cwt_E9.5[, 1] , data_Cwt_E10.5[, 1] , data_Cwt_E11.5[, 1] , data_Cmu_E8.5[, 1] , data_Cmu_E9.5[, 1] , data_Cmu_E10.5[, 1] , data_Cmu_E11.5[, 1] ) ) head(data_C) # type dev_stage trachea_length # 1 wildtype E8.5 48.60862 # 2 wildtype E8.5 59.44292 # 3 wildtype E8.5 44.47093 # 4 wildtype E8.5 45.87919 # 5 wildtype E8.5 37.43912 # 6 wildtype E8.5 54.70787
这里得到的数据，一共有三列，不同的数据集的数据值在 trachea_length 中，type 和 dev_stage 为离散数据。
绘图步骤详解
这幅图的绘图代码比较传统，但是还是有些细节需要和大家分享下。
基础版本
使用 geom_boxplot() 绘制箱线图，geom_point() 加入散点图，注意这里使用了 position = position_jitterdodge() 使得图形相对分散开，使用 alpha 修改图形透明度。
ggplot(data=data_C, aes(x=dev_stage, y=trachea_length, fill=type))+ geom_boxplot() + geom_point(position=position_jitterdodge(), # jitter for h-dist, dodge for grouped dists pch=21, #圆形 alpha=0.4)
![93632L`_((XILTNW0V3(]20.png](https://ucc.alicdn.com/pic/developer-ecology/bc973e03fb19499a893bb8aaa7bf6f6b.png "93632L`_((XILTNW0V3(]20.png")
可以看到，这幅图基本已经完成，为了提升美观，和图片的可读性，我们又做了后续的处理。
微调主题
首先，修改 x 轴标签 （scale_x_discrete），填充颜色配色（scale_fill_manual）。
scale_x_discrete(limits=c("E8.5","E9.5","E10.5","E11.5")) + scale_fill_manual(values=c('#f2a340','#998fc2'))
之后添加主题，使用先前设定好的主题函数 my_theme()与其他细节调整。
my_theme()的代码，在文末完整版代码中会给出。
my_theme() + theme(legend.position = c(0.18,0.95), legend.title = element_blank(), legend.key = element_blank() ) + scale_y_continuous(expand = c(0, 0), breaks=c(seq(20,120,by=20)), limits = c(20,120) )+ xlab("developmental stage (days)") + ylab(expression(paste("tracheal length (",~mu*m,")")))
完整代码
# Panel C ---- library(ggplot2) base_size = 12 my_theme <- function() { theme( aspect.ratio = 1, axis.line =element_line(colour = "black"), # shift axis text closer to axis bc ticks are facing inwards axis.text.x = element_text(size = base_size*0.8, color = "black", lineheight = 0.9, margin=unit(c(0.3,0.3,0.3,0.3), "cm")), axis.text.y = element_text(size = base_size*0.8, color = "black", lineheight = 0.9, margin=unit(c(0.3,0.3,0.3,0.3), "cm")), axis.ticks = element_line(color = "black", size = 0.2), axis.title.x = element_text(size = base_size, color = "black", margin = margin(t = -5)), # t (top), r (right), b (bottom), l (left) axis.title.y = element_text(size = base_size, color = "black", angle = 90, margin = margin(r = -5)), axis.ticks.length = unit(-0.3, "lines"), legend.background = element_rect(color = NA, fill = NA), legend.key = element_rect(color = "black", fill = "white"), legend.key.size = unit(0.5, "lines"), legend.key.height =NULL, legend.key.width = NULL, legend.text = element_text(size = 0.6*base_size, color = "black"), legend.title = element_text(size = 0.6*base_size, face = "bold", hjust = 0, color = "black"), legend.text.align = NULL, legend.title.align = NULL, legend.direction = "vertical", legend.box = NULL, panel.background = element_rect(fill = "white", color = NA), panel.grid.major = element_blank(), panel.grid.minor = element_blank(), plot.title = element_text(size = base_size, color = "black"), ) } data_Cwt_E8.5 = read.csv( "./data_Cwt_E8.5.csv") data_Cwt_E9.5 = read.csv( "./data_Cwt_E9.5.csv") data_Cwt_E10.5 = read.csv("./data_Cwt_E10.5.csv") data_Cwt_E11.5 = read.csv("./data_Cwt_E11.5.csv") data_Cmu_E8.5 = read.csv( "./data_Cmu_E8.5.csv") data_Cmu_E9.5 = read.csv( "./data_Cmu_E9.5.csv") data_Cmu_E10.5 = read.csv("./data_Cmu_E10.5.csv") data_Cmu_E11.5 = read.csv("./data_Cmu_E11.5.csv") head(data_Cwt_E8.5) # format data to ggplot's liking data_C = data.frame( "type" = c( rep( "wildtype", nrow(data_Cwt_E8.5) + nrow(data_Cwt_E9.5) + nrow(data_Cwt_E10.5) + nrow(data_Cwt_E11.5) ), rep( "mutant", nrow(data_Cmu_E8.5) + nrow(data_Cmu_E9.5) + nrow(data_Cmu_E10.5) + nrow(data_Cmu_E11.5) ) ), "dev_stage" = c( rep("E8.5", nrow(data_Cwt_E8.5)), rep("E9.5", nrow(data_Cwt_E9.5)), rep("E10.5", nrow(data_Cwt_E10.5)), rep("E11.5", nrow(data_Cwt_E11.5)), rep("E8.5", nrow(data_Cmu_E8.5)), rep("E9.5", nrow(data_Cmu_E9.5)), rep("E10.5", nrow(data_Cmu_E10.5)), rep("E11.5", nrow(data_Cmu_E11.5)) ), "trachea_length" = c( data_Cwt_E8.5[, 1] , data_Cwt_E9.5[, 1] , data_Cwt_E10.5[, 1] , data_Cwt_E11.5[, 1] , data_Cmu_E8.5[, 1] , data_Cmu_E9.5[, 1] , data_Cmu_E10.5[, 1] , data_Cmu_E11.5[, 1] ) ) head(data_C) panel_C <- ggplot(data=data_C, aes(x=dev_stage, y=trachea_length, fill=type))+ geom_boxplot() + geom_point(position=position_jitterdodge(), # jitter for h-dist, dodge for grouped dists pch=21, #圆形 alpha=0.4) + # transparency scale_x_discrete(limits=c("E8.5","E9.5","E10.5","E11.5")) + scale_fill_manual(values=c('#f2a340','#998fc2')) + # custom colors in hex code my_theme() + theme(legend.position = c(0.18,0.95), legend.title = element_blank(), legend.key = element_blank() ) + scale_y_continuous(expand = c(0, 0), breaks=c(seq(20,120,by=20)), limits = c(20,120) )+ xlab("developmental stage (days)") + ylab(expression(paste("tracheal length (",~mu*m,")"))) panel_C
