双变量条形图的3种形态代码大全

小洁忘了怎么分身

发布于 2025-12-16 14:25:10

1470

公众号里的文章大多数需要编程基础，如果因为代码看不懂，而跟不上正文的节奏，可以来找我学习，相当于给自己一个新手保护期。我的课程都是循环开课，点进去咨询微信，随时可以报名↓ 生信分析直播课程(每月初开一期) 生信新手保护学习小组长期报名中（每月一期）单细胞陪伴学习小组（每月一期）

0. 背景知识

这篇推文的来源又是我那可爱的学生想要，刚好有空，可以整理一下。

条形图是一种常见的数据可视化工具，它通过长方形的长度来表示数据的大小。在实际应用中，条形图有多种形态，不只是展示比例，还可以展示数量，每种形态都有其独特的使用场景，应该系统地都学一学。

比例堆积条形图，主要用于展示不同类别在总体中所占的比例关系。当我们想要了解各个部分在整体中所占的份额时，这种图表能够清晰地呈现出各部分之间的相对比例。例如，做ciborsort免疫浸润时，可以用比例堆积条形图展示不同的免疫细胞在每个样本中的占比。

计数堆积条形图，则侧重于展示不同类别在各个分组下的数量总和。它能够直观地呈现出每个分组中不同类别的数量分布，体现每个分组中各类别对总量的贡献。

计数并列条形图，适合用于比较不同类别在各个分组下的数量差异。通过将不同类别的条形并列放置，可以看到每个分组中不同类别的数量对比情况。

1. 示例数据

1.1 diamonds 数据简介

我们选用的是ggplot2 内置的 diamonds 数据集，它是一个关于钻石相关信息和价格的数据集，共有 53940 行，10 列。这个数据集涵盖了钻石的多个重要属性，为我们通过条形图展示数据提供了丰富的素材。

library(ggplot2)
str(diamonds)

## tibble [53,940 × 10] (S3: tbl_df/tbl/data.frame)
##  $ carat  : num [1:53940] 0.23 0.21 0.23 0.29 0.31 0.24 0.24 0.26 0.22 0.23 ...
##  $ cut    : Ord.factor w/ 5 levels "Fair"<"Good"<..: 5 4 2 4 2 3 3 3 1 3 ...
##  $ color  : Ord.factor w/ 7 levels "D"<"E"<"F"<"G"<..: 2 2 2 6 7 7 6 5 2 5 ...
##  $ clarity: Ord.factor w/ 8 levels "I1"<"SI2"<"SI1"<..: 2 3 5 4 2 6 7 3 4 5 ...
##  $ depth  : num [1:53940] 61.5 59.8 56.9 62.4 63.3 62.8 62.3 61.9 65.1 59.4 ...
##  $ table  : num [1:53940] 55 61 65 58 58 57 57 55 61 61 ...
##  $ price  : int [1:53940] 326 326 327 334 335 336 336 337 337 338 ...
##  $ x      : num [1:53940] 3.95 3.89 4.05 4.2 4.34 3.94 3.95 4.07 3.87 4 ...
##  $ y      : num [1:53940] 3.98 3.84 4.07 4.23 4.35 3.96 3.98 4.11 3.78 4.05 ...
##  $ z      : num [1:53940] 2.43 2.31 2.31 2.63 2.75 2.48 2.47 2.53 2.49 2.39 ...

1.2 关键列说明

在绘制这三种条形图时，我们主要用到了 diamonds 数据集中的 cut（切工）和 color（颜色）两列。

cut是切工，分Fair（一般）、Good（好）、Very Good（非常好）、Premium（优质）、Ideal（理想）五个等级，每个等级对应的钻石数量统计如下。

table(diamonds$cut)

## 
##      Fair      Good Very Good   Premium     Ideal 
##      1610      4906     12082     13791     21551

color是颜色，按照字母标识，数量统计如下。

table(diamonds$color)

## 
##     D     E     F     G     H     I     J 
##  6775  9797  9542 11292  8304  5422  2808

2. 三种条形图的代码

2.1 比例堆积条形图

library(dplyr)
meta_pct <- diamonds %>% 
  count(cut, color) %>% 
  group_by(cut) %>% 
  mutate(pct = n / sum(n))
p1 <- ggplot(meta_pct, aes(cut, pct, fill = color)) +
  geom_bar(stat = "identity") +
  theme_classic()
p1

geom_bar()会自动统计每个cut组中不同color的数量，只需提供横坐标和纵坐标中的一个，两个都提供就会报错。加上参数stat = "identity"表示数据无需统计，直接以提供的横纵坐标来画图。

2.2 计数堆积条形图

p2 <- ggplot(diamonds, aes(cut, fill = color)) +
  geom_bar() +
  theme_classic()
p2

geom_bar()会自动统计每个cut组中不同color的数量，实现计数功能。

2.3 计数并列条形图

p3 <- ggplot(diamonds, aes(cut, fill = color)) +
  geom_bar(position = "dodge") +
  theme_classic() 
p3

关键参数是position = "dodge"，它的作用是将不同颜色的柱子并列放置，实现计数并列。

3. 拼图

library(patchwork)
p1 + p2 + p3 + plot_layout(guides='collect')

(p1 + p2) / p3 + plot_layout(guides='collect')

从拼接好的图形中，我们可以更加直观地对比三种条形图的特点,选择更适合的，化为己用。

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-12-12，如有侵权请联系 cloudcommunity@tencent.com 删除

数据

本文分享自生信星球微信公众号，前往查看

如有侵权，请联系 cloudcommunity@tencent.com 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度