## 基本散點圖展示
### 應用場景
可以展示數據分布特征,比如說:我們可以看看數據樣本中患者年齡分布情況,也可以分組看看不同組別患者年齡分布趨勢。

### 利用ggplot2創建density plot
```R
load("./cli_test.Rdata")
# rt_cli數據形式如上圖
library(ggplot2)
ggplot(rt_cli, aes(age)) +
geom_density(color= "#E69F00", alpha=0.4)
# scale_color_manual設置線條顏色
ggplot(rt_cli, aes(age, colour = stage)) +
geom_density() +
scale_color_manual(values=c("#999999", "#E69F00", "#56B4E9", "#FF6666"))
# alpha 改變填充顏色深度
ggplot(rt_cli, aes(age, colour = stage, fill = stage)) +
geom_density(alpha=0.4) +
scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9", "#FF6666"))
### 計算每個stage age的均值
library(plyr)
age_mm <- ddply(rt_cli, "stage", summarise, grp.mean=mean(age))
### 利用geom_vline添加均值值所在的位置
ggplot(rt_cli, aes(age, colour = stage, fill = stage)) +
geom_density(alpha=0.4) +
geom_vline(data = age_mm, aes(xintercept = grp.mean, color = stage),
linetype="dashed") +
scale_fill_manual(values=c("#999999", "#E69F00", "#56B4E9", "#FF6666")) +
theme_classic()
```


- 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