图数据可视化——R语言ggplot2包和tidybayes包绘制小提琴图进阶

概述：绘制小提琴图时按数据分布的密度填充不同透明度的颜色（渐变填充）。
使用工具：R语言中的ggplot2和tidybayes工具包

本文使用的数据及计算方式与之前的博文一致：数据可视化——R语言ggplot2包绘制精美的小提琴图(并箱线图或误差条图组合)。

本文采用tidybayes包中stat_eye()绘制小提琴图，通过设置aes(alpha = stat(f)可实现渐变填充。由于stat_eye()会默认采用中位数及分位数作为误差条，本文采用均值±标准差的形式呈现误差条，因此屏蔽了stat_eye()默认的误差条显示：设置show_interval = FALSE。与前文一致，本文也用tidybayes包绘制分半的小提琴图，并渐变填充。

小提琴图结合误差条图用于表达数据的代码如下：

rm(list=ls()) #清除工作区
library(ggplot2)

set.seed(1234)
#生成模拟数据
Group <- rep(c("group1","group2"),each=200) #组别变量
Group <- factor(Group) #组别因子化
Attribute <- c(rep("Attribute_1",100),rep("Attribute_2",100),rep("Attribute_1",100),rep("Attribute_2",100)) #每个组别的两个属性
Attribute <- factor(Attribute) #属性因子化
value <- c(rnorm(100)+1,rnorm(100)+2,rnorm(100)+1.2,rnorm(100)+1.5) #随机赋值

Data <- data.frame(Group=Group,Attribute=Attribute,value=value) #生成数据框


#对数据进行统计的函数
#指定分组变量和求值变量后，可计算出不同分组变量(或分组变量间的组合)对应的求值变量的均值，标准差，标准误，置信区间ci

#汇总数据
#计算出计数，平均值，标准差，均值的标准误差和置信区间（默认为95％）
#data：一个数据框
#measurevar：包含要汇总的变量的列的名称
#groupvars：包含分组变量的列名称的向量
#na.rm：一个布尔值，表示是否忽略NA
## conf.interval：置信区间的百分比范围（默认为95％）

## Summarizes data.
## Gives count, mean, standard deviation, standard error of the mean, and confidence interval (default 95%).
##   data: a data frame.
##   measurevar: the name of a column that contains the variable to be summariezed
##   groupvars: a vector containing names of columns that contain grouping variables
##   na.rm: a boolean that indicates whether to ignore NA's
##   conf.interval: the percent range of the confidence interval (default is 95%)
summarySE <- function(data=NULL, measurevar, groupvars=NULL, na.rm=FALSE,
                      conf.interval=.95, .drop=TRUE) {
  library(plyr)
  
  # New version of length which can handle NA's: if na.rm==T, don't count them
  length2 <- function (x, na.rm=FALSE) {
    if (na.rm) sum(!is.na(x))
    else       length(x)
  }
  
  # This does the summary. For each group's data frame, return a vector with
  # N, mean, and sd
  datac <- ddply(data, groupvars, .drop=.drop,
                 .fun = function(xx, col) {
                   c(N    = length2(xx[[col]], na.rm=na.rm),
                     mean = mean   (xx[[col]], na.rm=na.rm),
                     sd   = sd     (xx[[col]], na.rm=na.rm)
                   )
                 },
                 measurevar
  )
  
  # Rename the "mean" column    
  datac <- rename(datac, c("mean" = measurevar))
  
  datac$se <- datac$sd / sqrt(datac$N)  # Calculate standard error of the mean
  
  # Confidence interval multiplier for standard error
  # Calculate t-statistic for confidence interval: 
  # e.g., if conf.interval is .95, use .975 (above/below), and use df=N-1
  ciMult <- qt(conf.interval/2 + .5, datac$N-1)
  datac$ci <- datac$se * ciMult
  
  return(datac)
}


#依据分组对vale进行统计
Data_summary <- summarySE(Data, measurevar="value", groupvars=c("Group","Attribute"))


P1 <- ggplot(Data, aes(x=Group, y=value,fill=Attribute)) + 
  stat_eye(aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE, position=position_dodge(0.9)) + #alpha = stat(f)表示按照数据分布密度选择不同同透明度的颜色填充
  geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.9),size=1.5)+ #绘制均值为点图
  geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #误差条表示均值±标准差
                width=0.1, #误差条末端短横线的宽度
                position=position_dodge(0.9), 
                color="black",
                alpha = 0.7,
                size=0.5) +
  scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #设置填充的颜色
  theme_classic()+
  theme(legend.position="none") #不需要图例



P1
jpeg(file = "results_Value_1.jpg",width =1600,height = 2000,units = "px",res =300) #结果保存
print(P1)
dev.off()

效果如如下：

渐变填充的小提琴图

分半的小提琴图结合误差条图的代码如下：

P2 <- ggplot(Data, aes(x=Group, y=value,fill=Attribute)) + 
  stat_halfeye(data = Data[Attribute == "Attribute_1",],aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE,side = "left", width = 0.4) +
  stat_halfeye(data = Data[Attribute == "Attribute_2",],aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE,side = "right", width = 0.4) +
  geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.5),size=1.5)+ #绘制均值为点图
  geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #误差条表示均值±标准差
                width=0.1, #误差条末端短横线的宽度
                position=position_dodge(0.5), 
                color="black",
                alpha = 0.7,
                size=0.5) +
  scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #设置填充的颜色
  theme_classic()+
  theme(legend.position="none") #不需要图例



P2
jpeg(file = "results_Value_2.jpg",width =1600,height = 2000,units = "px",res =300) #结果保存
print(P2)
dev.off()

效果图如下：

渐变填充的分半小提琴图

绘制分半小提琴图时，Attribute_1的数据采用左半边显示，Attribute_2的数据采用右半边显示，因此，绘制时分两次绘制，但需要控制每次输入的数据，如绘制左边时，仅将Attribute == "Attribute_1"的数据作为输入。

tidybayes包提供了多种用于表示数据分布的绘图方式，包括：小提琴图，分半小提琴图，概率密度图、直方图等多种形式，还可以灵活设置垂直方向或水平方向显示。示例图如下所示。
tidybayes包的更多学习资料请参考：https://mjskay.github.io/tidybayes/articles/slabinterval.html

tidybayes包中各种数据呈现方式

采用tidybayes包中的stat_ gradient interval()呈现数据的方式如下：

P3 <- ggplot(Data, aes(x=Group, y=value,fill=Attribute)) + 
  stat_gradientinterval(aes(alpha = stat(f)), show_interval = FALSE, trim=FALSE,position=position_dodge(0.5), width = 0.5) +
  geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.5),size=1.5)+ #绘制均值为点图
  geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #误差条表示均值±标准差
                width=0.1, #误差条末端短横线的宽度
                position=position_dodge(0.5), 
                color="black",
                alpha = 0.7,
                size=0.5) +
  scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #设置填充的颜色
  theme_classic()+
  theme(legend.position="none") #不需要图例



P3
jpeg(file = "results_Value_3.jpg",width =1600,height = 2000,units = "px",res =300) #结果保存
print(P3)
dev.off()

效果图如下：

tidybayes包中的gradient interval图

References

• Slab + interval stats and geoms：https://mjskay.github.io/tidybayes/articles/slabinterval.html