相信很多人都看到過上面這種方塊圖，有點像“華夫餅圖”的升級版，也有點像“熱圖”的離散版。我在一些臨床多組學的文章裡面看到過好幾次這種圖，用它來展示病人的臨床資訊非常合適，我自己也用R包或者AI畫過類似的圖。今天給大家演示一下，如何用ggplot2裡面的geom_tile函式畫這種圖。 先構造一個練習資料集，假設有15個病人，每個病人有年齡、性別、症狀、是否有RNA-seq和WES測序等資訊。 ``` library(ggplot2) library(tidyverse) library(reshape2) library(RColorBrewer) clinical.df=data.frame( patient=paste("P",seq(1:15),sep = ""), age=sample(20:80,15,replace = T), gander=sample(c("male","female"),15,replace = T), symptom=sample(c("mild","moderate","severe"),15,replace = T), RNAseq=sample(c("yes","no"),15,replace = T), WES=sample(c("yes","no"),15,replace = T) ) ``` 年齡可以看做是連續的，我們進一步分成三個level，最終的資料格式如下： ``` clinical.df$age=ifelse(clinical.df$age < 40,"level1", ifelse(clinical.df$age < 60, "level2","level3")) # head(clinical.df) # patient age gander symptom RNAseq WES # 1 P1 level2 female moderate yes yes # 2 P2 level2 male mild yes yes # 3 P3 level2 female mild no no # 4 P4 level1 male severe no yes # 5 P5 level2 male mild yes no # 6 P6 level3 female moderate no yes ``` 在使用geom_tile畫方塊圖之前，需要將寬資料轉換為長資料，使用到reshape2中的melt函式 ``` clinical.df2=melt(clinical.df,id="patient") # head(clinical.df2) # patient variable value # 1 P1 age level2 # 2 P2 age level2 # 3 P3 age level2 # 4 P4 age level1 # 5 P5 age level2 # 6 P6 age level3 ``` 接下來，為了自定義圖形橫縱軸變數的順序，可以人為定義因子變數，並指定因子的level。**（這種方法在實際畫圖中，經常用到）** ``` clinical.df2$patient=factor(clinical.df2$patient,levels = paste("P",seq(1:15),sep = "")) clinical.df2$variable=factor(clinical.df2$variable,levels = c("WES","RNAseq","symptom","gander","age")) ``` 然後是自定義顏色，建立一個命名的字串向量，表示顏色的字串都是通過R包RColorBrewer查詢的，可以參考我之前的一篇筆記：[ColorBrewer配色方案](https://www.jianshu.com/p/a0ab7a0bc03b) ``` cols=c( "level1"="#E5F5E0","level2"="#A1D99B","level3"="#41AB5D", "male"="#66C2A5","female"="#FC8D62", "mild"="#377EB8","moderate"="#FFFF33","severe"="#E41A1C", "yes"="black","no"="lightgrey" ) ``` 最後開始畫圖 ``` clinical.df2%>%ggplot(aes(x=patient,y=variable))+ geom_tile(aes(fill=value),color="white",size=1)+ #color和size分別指定方塊邊線的顏色和粗細 scale_x_discrete("",expand = c(0,0))+ #不顯示橫縱軸的label文字；畫板不延長 scale_y_discrete("",expand = c(0,0))+ scale_fill_manual(values = cols)+ #指定自定義的顏色 theme( axis.text.x.bottom = element_text(size=10),axis.text.y.left = element_text(size = 12), #修改座標軸文字大小 axis.ticks = element_blank(), #不顯示座標軸刻度 legend.title = element_blank() #不顯示圖例title ) ggsave("tmp.pdf",device = "pdf",width = 21,height = 7,units = "cm") ```  圖中右側的圖例並不是我們想要的，這時還需要用AI稍微編輯一下，最後的效果如下：  *** 關於ggplot2的學習，我之前整理了幾篇筆記，感興趣的小夥伴可以點選下面的連結進行閱讀 [ggplot2回顧(1): 認識ggplot2](https://www.jianshu.com/p/133334c40432) [ggplot2回顧(2): 圖層語法入門](https://www.jianshu.com/p/c6d0aef93c0b) [ggplot2回顧(3): 圖層語法基礎](https://www.jianshu.com/p/19c1cfb3977d) [ggplot2回顧(4): 瓦片圖、多邊形圖](https://www.jianshu.com/p/3abe53a57dde) [ggplot2回顧(5): 資料分佈的展示](https://www.jianshu.com/p/8435e09a19d4) [ggplot2回顧(6): ColorBrewer配色方案](https://www.jianshu.com/p/a0ab7a0bc03b) [ggplot2回顧(7): geom_bar()和 geom_histogram()比較](https://www.jianshu.com/p/381028858c55) [ggplot2回顧(8): 標度](https://www.jianshu.com/p/7214f9bf153a) [ggplot2回顧(9): 分面](https://www.jianshu.com/p/821ac4fbdac5) [ggplot2回顧(10): 座標系](https://www.jianshu.com/p/d560fb83c433) [ggplot2回顧(11): 主題設定](https://www.jianshu.com/p/5c228e89810d) [ggplot2回顧(12): 一頁多圖](https://www.jianshu.com/p/72bf6bf689b1) [ggplot2回顧(13): 使用plyr包整理資料](https://www.jianshu.com/p/cf3b30183b32) [ggplot2回顧(14): 繪圖函式--以平行座標圖為例](https://www.jianshu.com/p/34c36a15e0e8) > 因水平有限，有錯誤的地方，歡迎批評