R语言包ggplot2绘制多组箱线图

本文记录于2021年6月28日，2022年11月14日更新，如果内容有误，请私信或评论，我会在第一时间进行更正。

由于许多人好像对ggplot2所需要的数据的结构不是很清楚，那么我在这里补充一些内容，希望能够帮助大家理解下面的绘图，后续有时间，我也会重新开一个新的帖子，对ggplot2的数据以及各种常用形式的绘图进行更清晰完整的说明。

首先需要强调一下，ggplot2在进行绘图前，基本都需要把数据转化为上图右边的形式，即三个列的形式，对于初始数据并没有太多的要求，矩阵，列表等等。

如果数据是类似上图左边的形式，则只要指定行名然后使用melt函数转换即可，如下：

data <- reshape2::melt(rawdata, id = rowname(rawdata))

同理，如果想要指定特定的列用来绘图，只需要指定列即可：

data <- reshape2::melt(rawdata[, c("a", "b")], id = rowname(rawdata),variable.name = "VAR",value.name = "VAL")

鉴于有挺多人对该问题有疑惑，我把完整的代码和数据放在这里，希望还有疑惑的同学看一下，如果还是有不明白的地方一起讨论。

Cibersort的数据与代码-算法与数据结构文档类资源-CSDN下载

最近在做cibersort浸润分析，在对结果做可视化的时候遇到一点问题(问题解答蓝字部分)

根据默认的绘图只能进行一组数据的绘制，而我想要的结果是不同组数据同时展示

就是这张图这种，然后在网上查了一下这个问题，虽然R语言相关的可视化问题挺多，但是没有发现这个问题怎么解决。

不过也有一些帖子给了启发，就是导入一个额外的样本表型信息，然后再在代码的fill属性中设置选择样本信息，这对和我一样的小白们讲是比较麻烦的一种解决方法。

后来结合这个思路，我找到了一个解决办法：

这个是原始数据

这个是自己手动添加了分组信息之后的数据

最简单的解决方法就是在数据中对样本直接添加分组信息，根据自己做分析时的分组，直接添加在cibersort的结果中。

代码也只需要非常简单的修改

plot.info_all <- plot.info %>%as.data.frame() %>%rownames_to_column("sample") %>%pivot_longer(cols = 3:8,names_to = "CellType",values_to = "Composition")plot.info_all <- plot.info_all[,c(19,2,20)]
ggboxplot(plot.info_all,x = "CellType",y = "Composition",color = "black",fill = "group",#只需要修改这里，讲fill = "CellType"改为fill = "group"xlab = "",ylab = "Cell composition",main = "TME Cell composition"
) +theme_base() +theme(axis.text.x = element_text(angle = 90,hjust = 1,vjust = 1))

Q&A

1，针对代码“plot.info_all[,c(19,2,20)]”中的“19,2,20”进行一个解释

上面这张图是免疫浸润的结果，这个结果是每个样本的每种免疫细胞的评分，对于每个样本，这些评分的和是1，我们进行免疫浸润的目的就是得到这个占比，以此来进行针对单样本层面的免疫分析。

绘图则是对结果进行可视化的展示，在刚才那行代码中，就是对需要展示的结果进行选择，同时需要结合前面一部分代码：

plot.info_all <- plot.info %>%as.data.frame() %>%rownames_to_column("sample") %>%pivot_longer(cols = 3:10,names_to = "CellType",values_to = "Composition")

注意这部分代码里的“cols = 3:10”，意思是选择刚才那个免疫浸润结果里的第3到10列进行读取

从结果中可以看出，进行列选择之前是24列，选择之后是19列，“19,2,20”中19指的是CellType，就是盒图结果的X轴名称，2指的是分组依据，也就是前面提到的手动添加的分组信息，20指的是Compostion列，也就是将选择的细胞进行计算之后得到的分值

这里多说一句，plot.info_all的数据是以列的方式进行保存的，在绘图时进行读取并绘图的依据便是前面选择的三个对象

如果绘图时想要根据自己的需求进行选择对象，就可以通过这两处修改进行选择了

2，对两组或任意组直接的差异关系进行对比，并显示

代码如下：

library("ggsignif")
library(gridExtra)
library(tibble)#rownames_to_column
library(ggplot2)
library(grid)
library(reshape2)
library(ggpubr)
library(dplyr)
library(tidyr)
library(pheatmap)
pkgs <- c("matrixStats", "pheatmap", "RColorBrewer", "tidyverse", "cowplot","ggpubr","bslib","ggthemes")
lapply(pkgs, library, character.only = T)#Error in theme_base() : 没有"theme_base"这个函数plot.info <- read.table('ImmuCellAI_icb_result.txt',sep = '\t',header = T,row.names = 1)
plot.info <- plot.info[,-2]###去除respond列
#plot.info <- plot.info[,-17]###去除数据太低的Effect-memory,如果对数据有改动请注意修改
plot.info <- plot.info[,-25]###去除gamma
plot.info <- plot.info[,-25]###去除score
###################################################
plot.info_1 <- plot.info %>%as.data.frame() %>%rownames_to_column("sample") %>%pivot_longer(cols = 3,names_to = "CellType",values_to = "Composition")
###分组进行绘图
plot.info_1 <- plot.info_1[,c(25,2,26)]
plot1 <- ggboxplot(plot.info_1,x = "CellType",y = "Composition",color = "black",fill = "group", #只需要修改这里，讲fill = "CellType"改为fill = "group"xlab = "",ylab = "",#main = "TC",col="white",borde="white"
)
###分组并计算差异进行绘图
geom_signif()
compare_means(Composition ~ group, #将Composition与group进行联系data = plot.info_1,method="wilcox.test", paired=FALSE)#计算Wilcoxonmy_comparisons <- list(c("group1","group2"), c("group1","group3"),c("group1", "group4"))#这里设置对照组
ggplot(plot.info_1,aes(group,Composition,fill=group#CellType#设置))+geom_boxplot(width=0.5)+theme(plot.title=element_text(size = 10),axis.text.x=element_text(size=15,angle=0),axis.text.y=element_text(size=15),axis.title.x=element_text(size = 20),axis.title.y=element_text(size = 25))+labs(x="Cytotoxic.TC", #设置CellType#横坐标显示内容，可以为空y= "" #纵坐标显示内容，可以为空)+geom_signif(comparisons = my_comparisons,step_increase = 0.1,#两组直接对比框的高度map_signif_level = F,#这里可以设置两组之间差异显示为数值或者***，F为数值，T为***test = t.test,size=1,#线条粗细textsize = 5#P值字号大小)

此处代码仅供参考

我把代码与数据文件上传了CSDN资源

boxplot.zip_matlabboxplot美化-其它文档类资源-CSDN下载

有兴趣的可以支持一下