圖數據可視化——R語言ggplot2包和tidybayes包繪製小提琴圖進階

概述：繪製小提琴圖時按數據分佈的密度填充不同透明度的顏色（漸變填充）。
使用工具：R語言中的ggplot2和tidybayes工具包

本文使用的數據及計算方式與之前的博文一致：數據可視化——R語言ggplot2包繪製精美的小提琴圖(並箱線圖或誤差條圖組合)。

本文采用tidybayes包中stat_eye()繪製小提琴圖，通過設置aes(alpha = stat(f)可實現漸變填充。由於stat_eye()會默認採用中位數及分位數作爲誤差條，本文采用均值±標準差的形式呈現誤差條，因此屏蔽了stat_eye()默認的誤差條顯示：設置show_interval = FALSE。與前文一致，本文也用tidybayes包繪製分半的小提琴圖，並漸變填充。

小提琴圖結合誤差條圖用於表達數據的代碼如下：

rm(list=ls()) #清除工作區
library(ggplot2)

set.seed(1234)
#生成模擬數據
Group <- rep(c("group1","group2"),each=200) #組別變量
Group <- factor(Group) #組別因子化
Attribute <- c(rep("Attribute_1",100),rep("Attribute_2",100),rep("Attribute_1",100),rep("Attribute_2",100)) #每個組別的兩個屬性
Attribute <- factor(Attribute) #屬性因子化
value <- c(rnorm(100)+1,rnorm(100)+2,rnorm(100)+1.2,rnorm(100)+1.5) #隨機賦值

Data <- data.frame(Group=Group,Attribute=Attribute,value=value) #生成數據框


#對數據進行統計的函數
#指定分組變量和求值變量後，可計算出不同分組變量(或分組變量間的組合)對應的求值變量的均值，標準差，標準誤，置信區間ci

#彙總數據
#計算出計數，平均值，標準差，均值的標準誤差和置信區間（默認爲95％）
#data：一個數據框
#measurevar：包含要彙總的變量的列的名稱
#groupvars：包含分組變量的列名稱的向量
#na.rm：一個布爾值，表示是否忽略NA
## conf.interval：置信區間的百分比範圍（默認爲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)
}


#依據分組對vale進行統計
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)表示按照數據分佈密度選擇不同同透明度的顏色填充
  geom_point(data = Data_summary,aes(x=Group, y=value),pch=19,position=position_dodge(0.9),size=1.5)+ #繪製均值爲點圖
  geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #誤差條表示均值±標準差
                width=0.1, #誤差條末端短橫線的寬度
                position=position_dodge(0.9), 
                color="black",
                alpha = 0.7,
                size=0.5) +
  scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #設置填充的顏色
  theme_classic()+
  theme(legend.position="none") #不需要圖例



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

效果如如下：

漸變填充的小提琴圖

分半的小提琴圖結合誤差條圖的代碼如下：

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)+ #繪製均值爲點圖
  geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #誤差條表示均值±標準差
                width=0.1, #誤差條末端短橫線的寬度
                position=position_dodge(0.5), 
                color="black",
                alpha = 0.7,
                size=0.5) +
  scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #設置填充的顏色
  theme_classic()+
  theme(legend.position="none") #不需要圖例



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

效果圖如下：

漸變填充的分半小提琴圖

繪製分半小提琴圖時，Attribute_1的數據採用左半邊顯示，Attribute_2的數據採用右半邊顯示，因此，繪製時分兩次繪製，但需要控制每次輸入的數據，如繪製左邊時，僅將Attribute == "Attribute_1"的數據作爲輸入。

tidybayes包提供了多種用於表示數據分佈的繪圖方式，包括：小提琴圖，分半小提琴圖，概率密度圖、直方圖等多種形式，還可以靈活設置垂直方向或水平方向顯示。示例圖如下所示。
tidybayes包的更多學習資料請參考：https://mjskay.github.io/tidybayes/articles/slabinterval.html

tidybayes包中各種數據呈現方式

採用tidybayes包中的stat_ gradient interval()呈現數據的方式如下：

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)+ #繪製均值爲點圖
  geom_errorbar(data = Data_summary,aes(ymin = value-sd, ymax=value+sd), #誤差條表示均值±標準差
                width=0.1, #誤差條末端短橫線的寬度
                position=position_dodge(0.5), 
                color="black",
                alpha = 0.7,
                size=0.5) +
  scale_fill_manual(values = c("#56B4E9", "#E69F00"))+ #設置填充的顏色
  theme_classic()+
  theme(legend.position="none") #不需要圖例



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

效果圖如下：

tidybayes包中的gradient interval圖

References

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