如何使每个条带具有定义的水平边框的堆叠条形图

问题描述

我有一些想以一种无法弄清楚方式的方式显示在barplot中的数据.希望你能帮我这个忙！

I have data that i want to show in barplot in a way that i could'nt figure out how. Hope you can help me with this!

我的表格由4列组成:簇(0:6)，IgG_Status(mild_high，mild_low，Severe_High)，患者(1-16)和值(每个簇的标准化值).这些是我现在用来创建每个簇的值总和的条形图的代码行，划分为IgG_Status(闪避样式).

My table consists of 4 columns: cluster (0:6), IgG_Status (mild_high, mild_low,Severe_High), patient (1-16) and value (normalized value per each cluster). These are the lines of code i'm using now to create a barplot of the sum of values for each cluster, divided to IgG_Status (dodged style).

ggplot(mat, aes(x= cluster, fill= IgG_status, group=IgG_status)) + geom_bar(aes(weight = normalizedppstatus), position = "dodge")

我想在此图中添加水平线，以描述每个患者对每个条形的贡献.我设法使用facet_grid做到了这一点，但它改变了图形的整个样式，因此对我不利.下面使用facet_grid的代码:

I want to add to this graph horizontal lines that describe each patient contribution to the each bar. i managed to do it using facet_grid but it changed the whole style of the figure so it's not good for me. code for using facet_grid below:

ggplot(mat, aes(x= IgG_status , y= normalizedppstatus, fill= IgG_status)) + geom_col(color = "black") + facet_grid(~cluster) +
theme(axis.text.x = element_text(angle=30))

垫子结构:

structure(list(cluster = structure(c(1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L).Label = c("0"，"1"，"2"，"3"，"4")，类别=因子")，IgG_status =结构(c(1L，1L，1L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L，3L，1L，1L，1L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L，3L，1L，1L，1L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L，3L，1L，1L，1L，2L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L，3L，1L，1L，2L，2L，2L，2L，3L，3L，3L，3L，3L，3L)，.Label = c("mild_high"，"mild_low"，"Severe_High")，class ="factor")，患者=结构(c(5L，11L，16L，4L，6L，7L，8L，12L，2L，3L，9L，10L，13L，14L，17L，5L，11L，16L，4L，6L，7L，8L，12L，2L，3L，9L，10L，13L，14L，17L，5L，11L，16L，4L，6L，7L，8L，12L，2L，3L，9L，10L，13L，14L，17L，5L，11L，16L，4L，6L，7L，8L，12L，2L，3L，9L，10L，13L，14L，17L，5L，16L，4L，6L，7L，8L，2L，3L，9L，13L，14L，17L),.标签= c("Contact3"，"CoV1"，"CoV2"，"CoV3"，"CoV4"，"CoV5"，"CoV6"，"CoV7"，"CoV8"，"CoV8"；"CoV9"，"CoV10"，"CoV11"，"CoV12"，"CoV13"，"CoV14"，"CoV15"，"CoV16")，类别=因子")，频率=c(176L，164L，345L，505L，277L，1421L，679L，104L，235L，933L，692L，682L，133L，1278L，330L，420L，166L，288L，231L，701L，1105L，431L，506L，180L，814L，410L，363L，283L，182L，268L，657​​L，155L，82L，872L，385L，277L，23L，298L，87L，128L​​，469L，640L，197L，148L，73L，688L，220L，51L，263L，456L，312L，693L，303L，120L，400L，373L，35L，62L，170L，166L，7L，530L，5L，1L，80L，876L，19L，7L，2L，4L，15L，153L)，percentperstatus = C(0.0445682451253482，0.041529501139529，0.0873638895923018，0.0467419474268789，0.0256386523509811，0.131525360977416，0.0628470936690115，0.00962606442058497，0.0233807581335191，0.0928265844194607，0.0688488707591284，0.0678539448811064，0.0132325141776938，0.127151527211223，0.0328325539747289，0.106356039503672，0.0420359584704989，0.0729298556596607，0.021380970011107，0.0648833765272121，0.102276934468715，0.0398926323583858，0.0468345057386153，0.0179086658043976，0.0809869664709979，0.0407919609989056，0.0361158093722018，0.0281564023480251，0.018107650980002，0.0266640135309919，0.166371233223601，0.0392504431501646，0.0207647505697645，0.0807108478341355，0.0356349500185117，0.0256386523509811，0.00212884116993706，0.0275823768974454，0.00865585513879216，0.0127350512386827，0.0466620236792359，0.0636752561934136，0.0196000397970351，0.0147249029947269，0.00726295890956124，0.174221321853634，0.0557103064066852，0.0129146619397316，0.0243428359866716，0.0422065901517956，0.0288781932617549，0.064142910033321，0.0280451684561274，0.011939110536265，0.0397970351208835，0.0371107352502239，0.00348224057307731，0.00616854044373694，0.0169137399263755，0.0165157695751667，0.00177260065839453，0.134211192707014，0.00046279155868197，9.25583117363939e-05，0.00740466493891151，0.0810810810810811，0.00189035916824197，0.000696448114615461，0.000198985175604417，0.000397970351208835，0.00149238881703313，0.0152223659337379)，normalizedppstatus = C(0.0508788793021933，0.0474098648043165，0.0997341668139585，0.0533603666644943，0.0292689535961681，0.150148675307419，0.0717459187429537，0.0109890656101137，0.0266913531758627，0.105970351119489，0.0785975165859447，0.077461714323142，0.0151061700952755，0.145155529186181，0.0374814746724881，0.142698157688979，0.0563997480389775，0.0978501652724429，0.0286868996290798，0.0870541845886795，0.137225212511399，0.0535240421650797，0.0628379706160796，0.0240281006032283、0.10866041050571、0.0547306735962423，0.0484566695498438，0.0377775137261868，0.0242950794988198，0.0357751720092511，0.291165142146192，0.0686919285124198，0.0363402460517317，0.141251495387918，0.0623644790416841，0.0448700277780429，0.00372567017651619，0.048271726634862，0.0151485520846987，0.0222875249062233，0.0816628842267089，0.111437624531117，0.0343018938009843，0.0257699506728207，0.0127108540480805，0.309787838022592，0.0990600644839683，0.0229639240394654，0.0432846821009943，0.0750487263804311，0.0513491285760844，0.114054314433418，0.0498679037133128，0.0212292686198854，0.0707642287329512，0.065987643293477，0.00619187001413323，0.0109684554536074，0.0300747972115043，0.0293671549241748，0.00723736731183195，0.547972096467276，0.00188953585407682，0.000377907170815364，0.0302325736652291，0.331046681634259，0.00771816460016861，0.00284353432637791，0.000812438378965117，0.00162487675793023，0.00609328784223838，0.0621515359908314))，row.names =c(5L，11L，16L，21L，23L，24L，25L，29L，36L，37L，43L，44L，47L，48L，51L，56L，62L，67L，72L，74L，75L，76L，80L，87L，88L，94L，95L，98L，99L，102L，107L，113L，118L，123L，125L，126L，127L，131L，138L，139L，145L，146L，149L，150L，153L，158L，164L，169L，174L，176L，177L，178L，182L，189L，190L，196L，197L，200L，201L，204L，209L，220L，225L，227L，228L，229L，240L，241L，247L，251L，252L，255L)，类="data.frame")

谢谢！

推荐答案

library(tidyverse)
ggplot(mat, aes(x= cluster, fill= IgG_status, group=IgG_status)) +
  geom_col(aes(y = normalizedppstatus), color = "white", position = "dodge")

通过使用 geom_col ，ggplot将每个患者绘制为条形图，而不是计算一个分组的总数以与 geom_bar 显示.添加具有 color 美学效果的白色边框似乎是在视觉上分隔患者的最简单方法.

By using geom_col, ggplot plots each patient as a bar, rather than calculating one grouped total to display with geom_bar. Adding a white border with the color aesthetic seems like the simplest way to separate the patients visually.

这篇关于如何使每个条带具有定义的水平边框的堆叠条形图的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！