这图怎么画 | 相关分析棒棒糖图

简介: 这图怎么画 | 相关分析棒棒糖图

Lollipop

写在前面

【这图怎么画】系列的图都来自VIP群里同学的提问。推文只是对图片的复现,不代表作者对图片展现形式的认同。欢迎同学们在群里分享有意思的图片。

本期图片

相关分析棒棒糖图

Title:Integrated Analysis Identifies Four Genes as Novel Diagnostic Biomarkers Which Correlate with Immune Infiltration in Preeclampsia

Doi:https://doi.org/10.1155/2022/2373694

这是一个相关分析结果的展示图。这里作者分别用色阶条以及数值展现了pvalue,用点的大小表示相关系数绝对值。

复现结果

复现结果

稍微调整了一下,原图把p值分层好多段,尤其是>0.05的部分,我觉得意义不大。

绘图

dat = read.csv("cor.csv")
head(dat)
# 对相关系数和p值转换为分类变量
dat$cor1 <- cut(abs(dat$cor),# 绝对值
                breaks = c(0, 0.3, 0.5, 0.7, 0.9, 1),
                labels = c("< 0.3","0.3 - 0.5","0.5 - 0.7","0.7 - 0.9","> 0.9"),
                right=FALSE) # right=FALSE表示表示区间为左闭右开
dat$pvalue1 <- cut(dat$pvalue,
                breaks = c(0, 0.001, 0.01, 0.05, 1),
                labels = c("< 0.001","< 0.01","< 0.05","> 0.05"),
                right=FALSE) 
# 排序
dat = dat[order(dat$cor),]
dat$Cell = factor(dat$Cell, levels = dat$Cell)
p = ggplot(dat, aes(x = cor, y = Cell, color = pvalue1)) +
  scale_color_manual(name="pvalue",
                     values = c("#E69F00", "#56B4E9", "#009E73", "gray"))+
  geom_segment(aes(x = 0, y = Cell, xend = cor, yend = Cell),size = 1) +
  geom_point(aes(size = cor1))+
  theme_bw()+
  labs(size = "Cor")
p
## 添加p值
dat$pvalue2 <- cut(dat$pvalue,
                   breaks = c(0, 0.05,1),
                   labels = c("< 0.05","> 0.05"),
                   right=FALSE) 
p1 = ggplot()+
  geom_text(dat,mapping = aes(x = 0, y = Cell, color = pvalue2, 
                              label = round(pvalue,3)))+
  scale_color_manual(name="",
                     values = c("red", "black"))+
  theme_void()+
  guides(color=F)
p1
library(patchwork)
p|p1
ggsave("lollipop.pdf",width = 8,height = 5)

result

后续在AI里调整一下位置即可~当然用基础函数或其他办法也能够直接画出来,这里我就不想了,有更好的办法的同学可以私信我。

往期内容

  1. (免费教程+代码领取)|跟着Cell学作图系列合集
  2. Q&A | 如何在论文中画出漂亮的插图?
  3. 跟着 Cell 学作图 | 桑葚图(ggalluvial)
  4. R实战 | Lasso回归模型建立及变量筛选
  5. 跟着 NC 学作图 | 互作网络图进阶(蛋白+富集通路)(Cytoscape)
  6. R实战 | 给聚类加个圈圈(ggunchull)
  7. R实战 | NGS数据时间序列分析(maSigPro)
  8. 跟着 Cell 学作图 | 韦恩图(ggVennDiagram)
相关文章
|
人工智能 数据挖掘
这图怎么画| 气泡热图(基因表达泛癌分析)
这图怎么画| 气泡热图(基因表达泛癌分析)
176 0
|
机器学习/深度学习
这图怎么画| 相关性热图+柱状图
这图怎么画| 相关性热图+柱状图
141 0
R实战 | 对称云雨图 + 箱线图 + 配对散点 + 误差棒图 +均值连线
R实战 | 对称云雨图 + 箱线图 + 配对散点 + 误差棒图 +均值连线
1503 1
R实战 | 对称云雨图 + 箱线图 + 配对散点 + 误差棒图 +均值连线
|
5月前
|
人工智能 算法
图搜算算法分类
图搜索算法是计算机科学中用于遍历或搜索图结构(由节点和边组成的数学结构)的技术,常应用于路径规划、网络分析、人工智能等领域。下面是对几种常见图搜索算法的简要说明:
|
7月前
|
并行计算 数据可视化 算法
CMplot & rMVP | 全基因组曼哈顿图和QQ图轻松可视化!
`CMplot`和`rMVP`是R语言中的两个包,用于全基因组关联分析(GWAS)的数据可视化。`CMplot`专注于曼哈顿图和QQ图的绘制,支持多种图表类型,如常见的SNP密度图、环状曼哈顿图、矩阵图、单条染色体图和多重曼哈顿图等。`rMVP`不仅包含了`CMplot`的功能,还支持更复杂的GWAS方法,如线性/混合线性模型和基因组选择算法,优化了内存管理和计算效率,特别适合大规模数据集。此外,它还提供PCA图和柱状图。两者都提供了丰富的参数定制图表。
379 1
CMplot & rMVP | 全基因组曼哈顿图和QQ图轻松可视化!
|
7月前
|
机器学习/深度学习 算法 搜索推荐
SPSS大学生网络购物行为研究:因子分析、主成分、聚类、交叉表和卡方检验
SPSS大学生网络购物行为研究:因子分析、主成分、聚类、交叉表和卡方检验
|
7月前
|
数据可视化 算法
R语言主成分分析(PCA)葡萄酒可视化:主成分得分散点图和载荷图
R语言主成分分析(PCA)葡萄酒可视化:主成分得分散点图和载荷图
|
7月前
R语言中绘制箱形图的替代品:蜂群图和小提琴图
R语言中绘制箱形图的替代品:蜂群图和小提琴图
|
7月前
|
数据可视化 算法 数据挖掘
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
|
7月前
【SPSS】相关分析和偏相关分析详细操作过程(附案例实战)
【SPSS】相关分析和偏相关分析详细操作过程(附案例实战)
834 0