本篇笔记分享R语言绘制直方图的方法，通过多种展示风格对数据进行可视化，主要用到ggplot、ggpubr等包。
什么是直方图？
直方图(Histogram)，又称质量分布图，是一种统计报告图，由一系列高度不等的柱子表示数据分布的情况。
主要展示数据的分布情况，诸如众数、中位数的大致位置、数据是否存在缺口或者异常值。
直方图和柱形图的区别？
柱形图横轴表示类别：横轴固定
直方图横轴表示组距：横轴可变
直方图的表示的数据通常是连续排列，而柱状图则是分开排列，直方图能展示分布趋势。
R语言绘制直方图方法
先创建一个随机数据用于绘图，该数据表格的第一列是“type”样品分类信息，包含A、B、C三个种类，第二列是随机数字，一共包含600行，将其看做600个样品的某指标数据。
set.seed(666)df = data.frame( type = factor(rep(c("A", "B","C"), each=200)), val = c(rnorm(200, 56), rnorm(200, 58),rnorm(200, 52)))创建的随机数据如下所示，在实际的作图过程中，只需整理成类似这种格式即可。
为了直观的展示测试数据的分布，先做个散点图试试：
ggplot(df)+ geom_point(aes(type,val,color=type),position = "jitter")
明显可以看出C组的均值52左右最低，B组均值58左右最高，组内整体随机分布。
Base R 基础版直方图
hist(df$val, breaks = 16, #切分多少个条 col = "#51cf66", freq = F, xlab = "Value",main = "Hist Plot")# 添加拟合曲线lines(density(df$val),col= "#fd7e14",lwd=2)# 添加下方密度条rug(jitter(df$val))
这是最基础的直方图，没有展示分组信息，仅对所有的数据统计，可以看出在52和58处有峰值，说明分布频率很高，横轴上有一些条形码一样的黑色竖线，表示样品的分布情况，黑色线越密集，代表此处的值越多。
ggplot2 升级版直方图
library(ggplot2)ggplot(df,aes(val,..density..)) + geom_histogram(bins = 50, fill="#74c0fc") + xlab("Insertion Size (bp)") + theme_bw()通过上述代码，可以用ggplot绘制一张简单的直方图，gfill参数后面可以修改颜色，bins参数可以修改条子的数量。
bins参数很重要，它关系到直方图的形状，以下举个例子，分别画两张直方图，左图p1是bins等于10的时候，组距比较宽。右图p2是bins等于50的情况，组距变窄，同时一些隐藏的细节趋势展示的更加清楚。
p1 <- ggplot(diamonds, aes(carat)) + geom_histogram(aes(carat,fill=cut),bins = 10)+ xlim(0,3)+ theme_bw()p2 <- ggplot(diamonds, aes(carat)) + geom_histogram(aes(carat,fill=cut),bins = 50)+ xlim(0,3)+ theme_bw()library(patchwork)p1+p2
由上图可知，不同的分组数量bins影响了信息的传递，在实际过程中若想模糊细节展示整体，则将bins设置的小一些。
多组分面直方图
假如有多个分组或者水平因素，想要看不同分组的直方图，则借助分面功能实现。例如在本文中A、B、C三个分组的直方图，通过下面的代码绘图：
ggplot(df,aes(val,..density..)) + geom_histogram(aes(fill=type),bins = 30,color="#ffffff") + facet_wrap(~type, scales = 'free_x') + xlab("Insertion Size (bp)") + theme_bw()
这样就可以将不同类型分开绘制，观察每个组内样品的指标数据分布趋势，可以发现三个组都是呈正态分布。
ggpubr 尊享版直方图
gghistogram函数提供了一个便捷绘制好看直方图的方法，只需简单的几行代码，就能生成漂亮的直方图。
library(ggpubr)gghistogram(df, x = "val", fill = "#3bc9db", # 设置填充色 add = "mean", # 添加均值线 rug = TRUE # 添加轴须线)先画一张基础的直方图，fill参数可以修改颜色，add参数可以添加辅助线，比如这里就添加了一条均值竖线，rug是绘制横轴的条形码须线。
但是，上图中把三个组的样品数据混在一起统计，下面将其分开用不同颜色表示：
gghistogram(df, x="val", add="mean", rug = TRUE, color = "type", fill = "type", palette = c("#0fb9b1","#f7b731","#8854d0"), bins = 50, add_density = FALSE, xlab = "公众号：生信分析笔记")如果想在图中对直方图添加拟合曲线展示密度信息，只需将add_density改为TURE即可。
堆叠形式直方图
接下来，再分享两种堆叠形式的直方图，用途是比较不同分组的数据。首先重新修改一下随机生成的测试数据，注意A组的样品数减少到100，B组样品数增加到300，以下是新的数据框：
df = data.frame( type = factor(rep(c("A", "B","C"), each=200)), val = c(rnorm(100, 56), rnorm(300, 58),rnorm(200, 57)))画一张普通的直方图看看效果：
ggplot(df)+ geom_histogram(aes(val,fill=type),bins = 20)+ scale_fill_brewer()+ theme_bw()
整体趋势比较明显，均值都在57附近，只不过不同组的数据个数不一样，正如所料，整体的趋势都呈正态分布。
再添加亿点点细节：
ggplot(df,aes(val,fill=type))+ geom_histogram(bins = 40,color="black",alpha=0.8)+ scale_fill_manual(values = c("A"="#a3cd5b", "B"="#f7b731", "C"="#0fb9b1"), labels=c("A"="Type A", "B"="Type B", "C"="Type C"))+ geom_vline(xintercept = 57,lty="dashed")+ theme_bw()+ theme(panel.border = element_blank(), panel.grid = element_blank(), axis.line = element_line(), legend.position = c(0.9,0.8), legend.background = element_rect(fill = "transparent"), legend.title = element_blank())
上面这张图展示了不同种类样品的数据分布规律，这种分布是柱形堆叠格式“stack”，现在将其转换成密度曲线图，你能看出下面这张图的区别吗？
ggplot(df,aes(val,fill=type))+ geom_density(alpha=0.5, position = "stack")+ scale_fill_manual(values = c("#a3cd5b","#f7b731","#0fb9b1"))
是不是感觉似曾相识，直方图和密度曲线的规律是一样的，因为它们都是用同样的数据做出的图，呈现出相同的变化趋势。
还有一种位置展示方式“identity”，它不会将不同分组的值堆叠累加到一起，而是都从Y等于0为起始位置，只需修改上方代码中的“stack”为“identity”，即可看出效果区别。
不知道你有没有发现，这个图就是小提琴图的一半，因为这个密度曲线实际上反映了数据的分布，而小提琴图的宽窄也反应数据的分布，因此二者本质一样。
ggplot(df)+ geom_violin(aes(x=type,y=val,fill=type))+ scale_fill_manual(values = c("#0fb9b1","#f7b731","#8854d0"))+ theme_bw()
对比一下，就能看出小提琴图、直方图、密度图存在互通之处，比如Type C类型的数据分布比较集中，因此小提琴图中紫色的中间部分凸出明显，而且上面密度曲线的紫色也区域中间也明显凸起。
翻转直方图
有时候还想比较两组之间的分布趋势差异，那么将两个直方图按横轴翻转放置，展示效果更佳。
ggplot(df,aes(val,fill=type))+ geom_histogram(data = filter(df,type=="B"), aes(y=..count..), bins = 40, color="#ffffff")+ geom_histogram(data = filter(df,type=="C"), aes(y=..count..*(-1)), bins = 40, color="#ffffff")+ scale_fill_manual(values = c("#0fb9b1","#8854d0"))+ labs(x='Value',y='Frequency')+ theme_bw()+ theme(legend.position = c(0.1,0.3))
此时可以看出，C组紫色的分布明显更集中一些，该图信息直观明了。本次直方图分享到这里完毕，感谢您的阅读，建议收藏转发，有备无患，万一之后需要用到这个绘图方法，换一下数据就可以。
本文由mdnice多平台发布
