## violin plot
violin plot和boxplot功能類似,但是violin plot將點的密度橫向的展示出來了,因此可以很好的看出數據在坐標軸分布的情況。
> 數據繼續使用上一節的數據rt_box_m
```
### 類似于boxplot,使用的geom_violin來生成violin plot
PV1 <- ggplot(rt_box_m, aes(x = gene_name, y = expression)) +
geom_violin(trim = FALSE, aes(color = group)) +
scale_color_manual(values = c("blue", "red")) #改變violin顏色
print(PV1)
### 感覺這樣有點難看
### 我們可以把boxplot也加入進去,可能好看點
svg(file = 'box_plot17.svg', width = 8, height = 4)
PV2 <- ggplot(rt_box_m, aes(x = gene_name, y = expression)) +
geom_violin(trim = FALSE, aes(color = group)) +
geom_boxplot(width = 0.1, aes(color = group), position = position_dodge(0.9)) + #加入box
scale_color_manual(values = c("blue", "red"))
print(PV2)
### 也可以將box變成點
PV3 <- ggplot(rt_box_m, aes(x = gene_name, y = expression)) +
geom_violin(trim = FALSE, aes(color = group)) +
geom_dotplot(aes(fill = group, color = group), trim = FALSE,
binaxis='y', stackdir='center', dotsize = 0.2,
position = position_dodge(0.9)) #加入點
print(PV3)
```



- 智匯醫圈
- 第一章 前言
- 1.1 簡介
- 1.2 制作該教程的目的
- 1.3 學習該教程需要掌握的基礎知識
- 1.4 該教程適用人群
- 第二章 散點圖(scatter plot)
- 2.1 基本的散點圖
- 2.2 3D 散點圖
- 第三章 線圖(line plot)
- 3.1 基本的線圖
- 第四章 箱型圖(boxplot)
- 4.1 基本的箱型圖
- 4.2 圖形參數調整
- 4.3 多分組箱型圖
- 4.4 小提琴圖
- 第五章 密度圖(density plot)
- 5.1 基本的密度圖
- 第六章 熱圖(Heatmap)
- 6.1 基本的熱圖
- 6.2 ggplot2 heatmap
- 6.3 相關性熱圖
- 第七章 主成分分析(PCA)
- 7.1 2D PCA
- 7.2 3D PCA
- 第八章 ROC 曲線
- 8.1 基本的 ROC 曲線
- 第九章 生存分析(KM plot)
- 9.1 基本的生存分析
- 第十章 KEGG 和 GO 分析
- 10.1 KEGG 分析
- 10.2 GO 分析
- 第十一章 Circular plot
- 11.1 基本的 Circular plot
- 附錄 下載數據