ggplot2で棒グラフを作る時はx軸のデータをcharacterにしとく
上記の通り、データの型変換についてのメモです。 棒グラフを作る時は、データの型がintegerとかだと、棒の位置がいい感じにならないので、データの型をcharacterにします。
データの型がintegerの場合と、charcterに直した時の場合のプロットを載せます。 ## 使うデータ 今回使うデータです。
普通にcsvファイルを読み込むと、Timeのところのデータ型がintegerになっていると思います。 これをcharacterに変えます。
read.csv("sample.csv")->yama #csvファイルを読み込み、yamaという名前で格納。
library(tidyverse)
## ─ Attaching packages ──────────────────── tidyverse 1.3.0 ─
## ✓ ggplot2 3.3.3 ✓ purrr 0.3.4
## ✓ tibble 3.1.0 ✓ dplyr 1.0.5
## ✓ tidyr 1.1.3 ✓ stringr 1.4.0
## ✓ readr 1.4.0 ✓ forcats 0.5.1
## ─ Conflicts ───────────────────── tidyverse_conflicts() ─
## x dplyr::filter() masks stats::filter()
## x dplyr::lag() masks stats::lag()
library(reshape2)
##
## Attaching package: 'reshape2'
## The following object is masked from 'package:tidyr':
##
## smiths
yama
## Genotype Time Curvature
## 1 WT 0 0
## 2 WT 0 0
## 3 WT 0 0
## 4 WT 0 0
## 5 WT 0 0
## 6 WT 2 20
## 7 WT 2 21
## 8 WT 2 22
## 9 WT 2 25
## 10 WT 2 18
## 11 WT 4 40
## 12 WT 4 42
## 13 WT 4 41
## 14 WT 4 47
## 15 WT 4 49
## 16 WT 8 80
## 17 WT 8 75
## 18 WT 8 90
## 19 WT 8 88
## 20 WT 8 82
## 21 mutant 0 0
## 22 mutant 0 0
## 23 mutant 0 0
## 24 mutant 0 0
## 25 mutant 0 0
## 26 mutant 2 10
## 27 mutant 2 5
## 28 mutant 2 4
## 29 mutant 2 19
## 30 mutant 2 12
## 31 mutant 4 16
## 32 mutant 4 20
## 33 mutant 4 23
## 34 mutant 4 25
## 35 mutant 4 20
## 36 mutant 8 29
## 37 mutant 8 20
## 38 mutant 8 22
## 39 mutant 8 21
## 40 mutant 8 15
sapply(yama, class)# yamaの中に含まれるデータの型を確認する
## Genotype Time Curvature
## "character" "integer" "integer"
#yamaのデータからGenotypeとTimeが同じデータにまとめる
#そのデータの中でCurvatureの平均と標準偏差、標準誤差を出す
group_time_mean_sd <-yama %>%
group_by(Genotype, Time) %>%
summarize(mean = mean(Curvature), sd = sd(Curvature), se = sd/sqrt(5))
## `summarise()` has grouped output by 'Genotype'. You can override using the `.groups` argument.
group_time_mean_sd
## # A tibble: 8 x 5
## # Groups: Genotype [2]
## Genotype Time mean sd se
## <chr> <int> <dbl> <dbl> <dbl>
## 1 mutant 0 0 0 0
## 2 mutant 2 10 6.04 2.70
## 3 mutant 4 20.8 3.42 1.53
## 4 mutant 8 21.4 5.03 2.25
## 5 WT 0 0 0 0
## 6 WT 2 21.2 2.59 1.16
## 7 WT 4 43.8 3.96 1.77
## 8 WT 8 83 6.08 2.72
x軸のデータがintegerだと
最初に失敗例です。
x軸のデータがintegerだと以下のような残念なプロットになります。
read.csv("sample.csv")->yama #csvファイルを読み込み、yamaという名前で格納。
library(tidyverse)
library(reshape2)
#yamaのデータからGenotypeとTimeが同じデータにまとめる
#そのデータの中でCurvatureの平均と標準偏差、標準誤差を出す
group_time_mean_sd <-yama %>%
group_by(Genotype, Time) %>%
summarize(mean = mean(Curvature), sd = sd(Curvature), se = sd/sqrt(5))
## `summarise()` has grouped output by 'Genotype'. You can override using the `.groups` argument.
#group_time_mean_sdのデータセットに含まれるラベルGenotypeの表示順を指定順に並べ直す
group_time_mean_sd$Genotype <- factor(group_time_mean_sd$Genotype,
levels=c("WT", "mutant"))
#棒グラフを出力する
g <- ggplot(group_time_mean_sd, aes(x = Time,
y = mean,
fill = Genotype,
group = Genotype)
)
g <- g + geom_bar(stat = "identity",
position = position_dodge(width = 0.9)
)
#SEをエラーバーのつける
errors <- aes(ymax = mean + se, ymin = mean - se)
g <- g + geom_errorbar(errors, width = 0.1, position = position_dodge(width = 0.9))
#背景をclassicに
g <- g + theme_classic()
g <- g + theme(legend.position = c(0.2,0.8),#legendの位置指定
legend.title = element_blank(),#legendタイトルをなしに
axis.title.x = element_text(size = 20, family = "Arial"),
axis.title.y = element_text(size = 20, family = "Arial"),
axis.text.x = element_text(size = 20, colour = 1, family = "Arial"),
axis.text.y = element_text(size = 20, colour = 1, family = "Arial"),
legend.text = element_text(size = 10, color = "black",
face = c("italic")
)
)
g <- g + labs(y = "Curvature(degrees)", x = "Time(h)")
g <- g + scale_fill_grey()#グレースケールで出力
g
x軸のデータをcharacterにすると
x軸のデータをcharacterにするために、read.csv(“sample.csv”,colClasses=c(“character”, “character”, “integer”))と打ちます。
読み込むcsvファイルのデータ中には、Genotype, Time, Curvatureという順でデータが並んでいるので、それぞれを“character”, “character”, "integerと設定します。
きちんと変換できているのかは、sapply(yama, class)で確認します。
read.csv("sample.csv",colClasses=c("character", "character", "integer"))->yama
sapply(yama, class)# yamaの中に含まれるデータの型を確認する
## Genotype Time Curvature
## "character" "character" "integer"
その結果が、以下のプロットです。 read.csv(“sample.csv”,colClasses=c(“character”, “character”, “integer”))->yama とした以外は、最初のプロットのコードと違いはありません。