R绘图(1): 在散点图边缘加上直方图/密度图/箱型图

当我们在绘制散点图的时候，可能会遇到点特别多的情况，这时点与点之间过度重合，影响我们对图的认知。为了更好地反映特征，我们可以加上点的密度信息，比如在原来散点所在的位置将密度用热图的形式呈现出来，再比如在主图的边缘加上直方图等来反映密度。具体实现如下：
先导入数据，除了ggplot2，还有一个ggExtra包

library(ggplot2)
library(tidyverse)
library(ggExtra)
df=read.table("20191126P31_HTODemux_CiteFuse.txt",header = T,row.names = 1,sep = "\t",stringsAsFactors = F)

#数据格式如下
# head(df)
# HTODemux tag2 tag3 CiteFuse
# AAACCCAAGTCATACC  doublet 6323 1582  doublet
# AAACCCAAGTTGTCGT     tag3   17 3760     tag3
# AAACCCACATGAGAAT     tag3   32 2614     tag3
# AAACCCAGTAACTGCT     tag3   30  699     tag3
# AAACCCAGTACCAGAG     tag2 4425   60     tag2
# AAACCCAGTACGATGG     tag3   40 8043     tag3

#每一组的占比，可以放在图的右上角
group_labels=paste("tag2: 0.3844",
                   "tag3: 0.5000",
                   "doublet: 0.0844",
                   "negative: 0.0312",sep = "\n")

原图的绘制

p=df%>%ggplot(aes(x=log(tag2),y=log(tag3),color=CiteFuse))+geom_point(size=2)+
  annotate("text",x=11,y=11,label=group_labels,color="black",size=6)+ #注释类型为“文本”类型，位置在x=11,y=11的位置，这张图横纵轴大约为12，因此(11,11)大概在右上角的地方
  scale_x_continuous("tag2_UMI_ln",breaks = seq(0,12,2))+
  scale_y_continuous("tag3_UMI_ln",breaks = seq(0,12,2))+
  theme_bw()+
  theme(
    axis.text.x.bottom = element_text(size = 16), #下面两行调整坐标轴刻度的文本大小
    axis.text.y.left = element_text(size = 16),
    axis.title.x = element_text(size = 18), #下面两行调整坐标轴title的文本大小
    axis.title.y = element_text(size = 18),
    legend.text = element_text(size = 18), #下面两行调整图例文本大小
    legend.title = element_text(size = 18),
    legend.position = c(0.9,0.1), #图例的位置，(0.9,0.1)是一个相对坐标，假设横纵轴长为1
    legend.key = element_blank(), #下面两行将图例的底层去掉，因为是白色的，所以去不去看不出来，只有在AI编辑图片的时候才能看到
    legend.background = element_blank(),
    panel.grid.major = element_blank(), #下面两行将图中ggplot2默认的横线竖线去掉
    panel.grid.minor = element_blank()
  )
pdf("raw.pdf",width = 10, height = 10)
p
dev.off()

密度图可以用smoothScatter()绘制

pdf("smoothScatter.pdf",width = 7, height = 7.5)
smoothScatter(log(df$tag2),log(df$tag3),xlab="tag2_UMI_ln",ylab="tag3_UMI_ln")
dev.off()

这种密度图还是比较常用的，不过在此处与原图相比，失去了分组信息，有点顾此失彼。我们看一下另一种方案，主要用到的就是ggExtra包里面的ggMarginal()函数。

p1=ggMarginal(p, type="histogram", fill = "lightblue", xparams = list(bins=40), yparams = list(bins=40))
pdf("histogram.pdf",width = 10, height = 10)
p1
dev.off()

xparams和yparams分别用来调整两个方向的参数，这里我只调整了bin的数量，即每一个方向有40个柱形。

p2=ggMarginal(p, type="density", fill="lightgrey", color="lightgrey")
pdf("density.pdf",width = 10, height = 10)
p2
dev.off()

fill和color分别调整填充颜色和边的颜色

p3=ggMarginal(p, type="boxplot", size=7, xparams = list(color="black",size=1), yparams = list(color="grey",size=1))
pdf("boxplot.pdf",width = 10, height = 10)
p3
dev.off()

size=7表示主图长/宽是附图的7倍，list()里面的size表示箱型图边的宽窄

p4=ggMarginal(p, type="densigram",fill="lightblue",color="purple")
pdf("densigram.pdf",width = 10, height = 10)
p4
dev.off()

最后一个图是直方图和密度图的组合

---

针对我给出的原图，在主图的边缘加密度图看上去是不错的选择，感兴趣的小伙伴可以试试看~