跟着 Cell 学作图 | 柱状图+误差棒+蜂群图

简介: 跟着 Cell 学作图 | 柱状图+误差棒+蜂群图

bar_errorbar_point

今天我们复现一幅2022年8月发表在Cell上的一副柱状图配色挺好看的。

「Title:」Targeted suppression of human IBD-associated gut microbiota commensals by phage consortia for treatment of intestinal inflammation

「DOI:」10.1016/j.cell.2022.07.003

本期图片

figure

图为不同分组之间微生物Shannon指数差异。

结果展示

result1

示例数据和代码领取

点赞在看 本文,分享至朋友圈集赞20个保留30分钟,截图发至微信mzbj0002领取。

「木舟笔记2022年度VIP可免费领取」

木舟笔记2022年度VIP企划

「权益:」

  1. 「2022」年度木舟笔记所有推文示例数据及代码(「在VIP群里实时更新」)。
    data+code
  2. 木舟笔记「科研交流群」
  3. 「半价」购买跟着Cell学作图系列合集(免费教程+代码领取)|跟着Cell学作图系列合集

「收费:」

「99¥/人」。可添加微信:mzbj0002 转账,或直接在文末打赏。

绘制

# Load package
library(ggplot2)
library(tidyverse)
library(plyr)
library(ggbeeswarm)
library(ggsignif)
# create data
data <- data.frame(
  Ctrl = abs(rnorm(100,4.5,0.3)),
  CD = abs(rnorm(100,4,0.3)),
  UC =abs(rnorm(100,4.2,0.5))
)
head(data)
# wide to long
dt_long <- gather(data,group,value)
head(dt_long)
str(dt_long)
dt_long$group <- factor(dt_long$group,levels = c('Ctrl','CD','UC'))
#+++++++++++++++++++++++++
# Function to calculate the mean and the standard deviation for each group
#+++++++++++++++++++++++++
# data : a data frame
# varname : the name of a column containing the variable to be summariezed
# groupnames : vector of column names to be used as grouping variables
data_summary <- function(data, varname, groupnames){
  summary_func <- function(x, col){
    c(mean = mean(x[[col]], na.rm=TRUE),
      sd = sd(x[[col]], na.rm=TRUE))
  }
  data_sum<-ddply(data, groupnames, .fun=summary_func,
                  varname)
  data_sum <- rename(data_sum, c("mean" = varname))
  return(data_sum)
}
dt_sum <- data_summary(dt_long, varname="value",groupnames="group")
head(dt_sum)
# draw
ggplot() + 
  geom_bar(dt_sum,mapping = aes(x=group, y=value, fill=group),
           stat="identity",width=.6,alpha = 0.5,position=position_dodge()) +
  geom_errorbar(dt_sum,mapping = aes(x=group, y=value,ymin=value-sd, ymax=value+sd), 
                width=.4,position=position_dodge(.8)) +
  geom_beeswarm(dt_long,mapping = aes(x=group, y=value, fill=group),
              shape = 21,color = 'black',size = 3.5,cex = 1.2,stroke = 0.6)+
  geom_signif(dt_long,mapping = aes(x=group, y=value),
              comparisons = list(c("Ctrl","CD"),c("Ctrl","UC")),
              test = "t.test",
              step_increase = 0.2,
              tip_length = 0,
              textsize = 6,
              size = 1,
              map_signif_level = T)+
  scale_fill_manual(values=c('#73bbaf','#d15e67','#6c43a6'))+
  scale_y_continuous(expand = c(0,0),limits = c(0,6.5))+
  labs(x = "", y = "Shannon index")+
  theme_classic()+
  theme(axis.line.x=element_line(color="black",size=0.8),
        axis.line.y=element_line(color="black",size=0.8),
        axis.ticks.x=element_line(color="black",size=0.8),
        axis.ticks.y=element_line(color="black",size=0.8),
        axis.text.x = element_text(color="black",size=14),
        axis.title.y=element_text(color="black",size=14))
ggsave('bar_errorbar_point.pdf',width = 5,height = 6)

result1

往期内容

  1. 即将满员!CNS图表复现|生信分析|R绘图 资源分享&讨论群!(内附推文合集)
  2. 跟着 Nature Communication 学作图 | 热图+格子注释(通路富集相关)
  3. 跟着 Nature Communication 学作图 | 百分比堆积柱状图+卡方检验
  4. ggbiplot | 带箭头的主成分分析(PCA)图绘制
相关文章
|
SQL 存储 关系型数据库
数据库发展史
数据库发展史
983 0
|
机器学习/深度学习 算法框架/工具
什么是ablation study(消融实验)?
什么是ablation study(消融实验)?
什么是ablation study(消融实验)?
|
9月前
|
数据挖掘 数据处理
单细胞RNA“速率”分析:差异动力学
单细胞RNA“速率”分析:差异动力学
单细胞RNA“速率”分析:差异动力学
|
10月前
|
存储 数据可视化 Python
单细胞RNA速率分析: scVelo入门教程
单细胞RNA速率分析: scVelo入门教程
单细胞RNA速率分析: scVelo入门教程
|
存储 缓存 分布式计算
详解HBase中的“WAL”(Write-Ahead Log)
【8月更文挑战第31天】
1227 0
|
监控 Java Spring
在Spring Boot中使用AOP实现日志记录
在Spring Boot中使用AOP实现日志记录
|
数据挖掘
这图怎么画| 批量小提琴图+箱线图+散点+差异分析
这图怎么画| 批量小提琴图+箱线图+散点+差异分析
1237 0
|
编解码
MATLAB | SCI 绘图配色第 2 期 | 三维柱状图 | 画江湖之不良人
MATLAB | SCI 绘图配色第 2 期 | 三维柱状图 | 画江湖之不良人
406 0
|
数据处理
R语言-数据处理:dplyr包的summarise函数汇总用法
summarise 函数是dplyr中非常常用的函数,可以快速、高效地计算出每个变量的统计量。本文分享了这个函数的一些最常用用法以供参考
2692 0
|
数据可视化 数据挖掘 Python
跟着Nature Communications学数据分析:基因组水平的比对鉴定结构变异
跟着Nature Communications学数据分析:基因组水平的比对鉴定结构变异

热门文章

最新文章