跟着 cell 绘制条形堆叠图和分面小提琴图

起源

今天啥都没干，就画了两张图。嗯。就是这样。

昨晚在我的 老俊俊生信交流群 里有小伙伴问怎么绘制一篇单细胞文献里的柱形堆叠图还有小提琴分面图，今天花了一天时间研究了一下，分享一下绘制的代码和心得。

没有加群的小伙伴们可以直接加我微信，我拉你进群。

文章里的柱形堆叠图：

文章里的小提琴图：

然后找了这位小伙伴要了一小部分数据来测试一下。当然只是出于我的 兴趣 才要画的，哈哈。

尝试

小伙伴提供的绘制条形图的数据已经整理成长格式的数据类型了，我们只需要画图就可以了。

此外 需要注意的是 ，文章里的条形图同一个颜色块里还有许多白色横杠，横坐标对应着细胞类型，也就是说针对同一种细胞类型还做了样本的分类，所以在绘制堆叠条形图的基础上还需要加入样本的分类的信息。

加载 R 包：

library(ggplot2)
library(ggprism)
library(ggsci)
library(patchwork)
library(reshape2)
# 读取数据
dat <- read.csv('C:/Users/admin/Desktop/table.csv',header = T,row.names = 1)
# 查看
head(dat)
  sample   celltype count group
1   BA07 CD14+ Mono   337  BACT
2   BA08 CD14+ Mono   314  BACT
3   BA09 CD14+ Mono    87  BACT
...

sample 是我们的样本分类，我们先分别绘制按 sample 和 group 绘制：

# 按sample填充颜色
p1 <- ggplot(dat,aes(x = celltype,y = count)) +
  geom_bar(aes(fill = sample),
           stat = 'identity',position = 'fill',
           show.legend = T) +
  theme_prism() + xlab('') +
  # 把Y坐标以百分比显示
  scale_y_continuous(labels = scales::label_percent()) +
  # 自定义填充颜色
  scale_fill_manual(values = rainbow(18)) +
  # 调整x轴标签旋转角度
  theme(axis.text.x = element_text(angle = 45,hjust = 1,vjust = 1))

# 按group填充颜色
p2 <- ggplot(dat,aes(x = celltype,y = count)) +
  geom_bar(aes(fill = group),
           stat = 'identity',position = 'fill',
           show.legend = T) +
  # 使用ggsci的颜色
  scale_fill_nejm() +
  theme_prism() + xlab('') +
  scale_y_continuous(labels = scales::label_percent()) +
  theme(axis.text.x = element_text(angle = 45,hjust = 1,vjust = 1))

# 绘图
p1 + p2

接下来我们需要在 p2 中把 p1 每个样本的数量以白色横杠添加上去。条形图含有 fill 和 color 两个属性，对应着柱形图的填充色和边框颜色。

我们的思路是把 p2 的柱子填充色用 group 来分类，柱子的边框颜色用 sample 来分类，然后把边框颜色全部调成白色即可达到目的。

此外这样我们就有两个映射，自然会有 两个图例 ，我们再把按 sample 映射的图例删除即可。

还需要验证每个细胞类型的样本数量是否一致，我们检查白色横杠的位置是否对应 p1 的分界线即可。

p3 <- ggplot(dat,aes(x = celltype,y = count)) +
  geom_bar(aes(fill = group,color = sample),
           stat = 'identity',position = 'fill',
           show.legend = T) +
  scale_fill_nejm() +
  # 把sample映射的边框颜色代替为白色
  scale_color_manual(values = rep('white',18)) +
  # 去除sample映射的图例
  guides(fill = 'legend',color = 'none') +
  theme_prism() + xlab('') +
  scale_y_continuous(labels = scales::label_percent()) +
  theme(axis.text.x = element_text(angle = 45,hjust = 1,vjust = 1),
        legend.position = 'right',
        legend.title = element_blank())

# 拼图
p1 + p3 + p2

检查一下第一张图和第二张图的白色线条位置和第一张也是对应的，图就成功画出来了。

接下来挑战一下绘制小提琴图：

# 读取数据
vio <- read.table('C:/Users/admin/Desktop/vio.txt',header = T,row.names = 1)
# 查看内容
head(vio,3)
                            ACTB      B2M     CD74   EEF1A1     FTH1      FTL     SAT1   TMSB10
07_TCTTTCCAGAGCTGGT-1 5.181198 4.743441 4.892507 5.322106 5.654493 5.659865 4.365394 4.795638
02_CCTAAAGAGTCCGTAT-1  4.397687 4.939036 4.483672 5.014497 5.425808 4.636208 2.957070 4.397687
2_CACTCCAAGCATCATC-1 5.284045 3.956434 6.224142 4.742207 4.476622 5.176734 2.935624 4.886736
                          TMSB4X     TPT1 cell_type
07_TCTTTCCAGAGCTGGT-1 4.875045 4.345650   CD14+Mo
02_CCTAAAGAGTCCGTAT-1  4.143471 4.397687  CD14+Mo
2_CACTCCAAGCATCATC-1 5.151238 4.397527    CD14+Mo

我随便挑了 10 个基因，最后一列是 细胞类型分类 ，我们需要转成长数据。

我们仔细观察一下文章的小提琴图，横坐标是 基因名 ，但是小提琴图却是 从左向右 的，所以 x 轴不应该是 表达量值 吗？作者应该是对图做了一个坐标轴翻转，然后是根据基因来进行分面的。

绘图：

# 转成长数据
new_vio <- melt(vio)
# 绘图
ggplot(new_vio,aes(x = cell_type,y = value)) +
  geom_violin(aes(fill = cell_type),show.legend = F) +
  theme_bw() +
  # 坐标轴翻转
  coord_flip() +
  # 按基因分面
  facet_grid(~variable,scales = 'free') +
  # 把横坐标放到上边
  scale_x_discrete(position = 'top') +
  xlab('') + ylab('') +
  # 使用ggsci配色
  scale_fill_lancet() +
  # 细节调整
  theme(panel.grid = element_blank(),
        # 分面x标签背景
        strip.background.x = element_blank(),
        panel.border = element_rect(size = 1.2),
        axis.line = element_line(size = 1.2),
        axis.text.x = element_blank(),
        axis.ticks.x = element_blank(),
        axis.text.y = element_text(face = 'bold',size = 14),
        # 分面x标签旋转角度
        strip.text.x = element_text(angle = 45,vjust = 0.25,hjust = 0,face = 'bold',size = 14),
        # 分面panel x轴上间距
        panel.spacing.x = unit(0,'mm')
        )

欧克，还行，上面的标签好像搞不下来，在 Ai 里 p 一下就可以了。