箱线分面图（Boxplot Faceting）用于展示一个或多个分组变量的统计分布。通过将箱线图按照某个分类变量的不同类别进行分组排列，可以方便地比较不同分组中数据的分布情况。这种图表结合了箱线图和分面（Faceting）的概念，使得数据的多维对比更为直观和有效。
箱线图（Boxplot）组成部分：
- 中位数：数据集中的中位数，箱线图中的一条线表示。
- 四分位数：数据集被分为四等份，第一四分位数（Q1）和第三四分位数（Q3）形成箱体的底部和顶部。
- 箱体（IQR，四分位距）：表示数据的中间50%，即Q1到Q3的距离。
- 须（Whisker）：从箱体向外延伸，通常延伸至最小值和最大值或1.5倍的四分位距外的异常值边界。
- 异常值：通常用小点表示，这些是超出须端的数据点。
分面（Faceting）：
- 分面是一种将数据集拆分成多个小图（分面），按照一个或多个分类变量进行组织的技术。
- 每个分面都是一个箱线图，展示该分类下的数据分布。
- 分面可以是垂直或水平的，也可以是网格形式的，这取决于要展示的分类变量的数量和类型。
示例
# 加载所需库
library(ggplot2)
library(dplyr)
library(tidyr)
library(readr) # 更现代的读取数据函数
# 文件路径
inputFile <- "input.txt"
outFile <- "boxplot.pdf"
# 读取输入文件
rt <- read_tsv(inputFile, col_names = TRUE, col_types = cols(.default = col_double()), .name_repair = "minimal")
names(rt)[1] <- "Type"
x <- names(rt)[1]
# 差异分析
# 重新组织数据以便使用dplyr和purrr进行统计测试
rt_long <- pivot_longer(rt, -Type, names_to = "Gene", values_to = "Expression")
# 进行统计测试
rt_long <- rt_long %>%
group_by(Gene, Type) %>%
nest() %>%
mutate(test_result = map(data, ~ {
if (n_distinct(.x$Type) > 2) {
kruskal.test(Expression ~ Type, data = .x)
} else {
wilcox.test(Expression ~ Type, data = .x)
}
})) %>%
mutate(p_value = map_dbl(test_result, ~ .x$p.value),
Sig = case_when(
p_value < 0.001 ~ "***",
p_value < 0.01 ~ "**",
p_value < 0.05 ~ "*",
TRUE ~ ""
)) %>%
ungroup() %>%
mutate(Gene = paste(Gene, Sig))
# 绘制
p1 <- ggplot(rt_long, aes(x = Type, y = Expression, fill = Type)) +
geom_boxplot() +
facet_wrap(~Gene, nrow = 1) +
labs(x = x, y = "Gene expression") +
theme_bw() +
theme(axis.text.x = element_text(angle = 45, hjust = 1))
# 输出
ggsave(outFile, plot = p1, width = 9, height = 5)
ggplot2: 用于创建高级图形。dplyr: 提供了一组工具，用于高效数据操纵和分析。tidyr: 用于数据整理，将数据从宽格式转换为长格式。readr: 提供了更快更友好的数据读取函数。inputFile: 指定输入文件的路径，此处为"text.txt"。outFile: 指定输出文件的路径，此处为"boxplot.pdf"。使用
read_tsv从readr包读取制表符分隔的数据文件。col_names = TRUE表示第一行数据为列名，col_types设置所有列默认为双精度类型，name_repair = "minimal"用于处理列名，保持原始列名不变。将数据框的第一列重新命名为"Type"，这是后续分析中用作分类变量的列。
使用
pivot_longer函数将数据从宽格式转换为长格式，方便进行分组和统计测试。在长格式数据中，每个基因的表达水平现在在"Expression"列，基因名在"Gene"列，样本类型在"Type"列。
group_by(Gene, Type): 按基因和类型分组。nest(): 将每个组的数据嵌套在一个列表列中，便于应用统计测试。mutate(test_result = map(data, ~ {...})): 使用map函数应用统计测试。如果类型大于两个，使用Kruskal-Wallis检验；否则，使用Wilcoxon检验。计算p值，并根据p值添加显著性标记（***, **, *, 空）。
ungroup(): 移除分组状态。mutate(Gene = paste(Gene, Sig)): 在基因名后添加显著性标记。使用
ggplot2生成箱线图，按"Type"分类，以"Expression"为y值。facet_wrap(~Gene, nrow = 1): 使用facet_wrap分面显示每个基因，每行显示一个分面。theme_bw(): 使用黑白主题。theme(axis.text.x = element_text(angle = 45, hjust = 1)): 调整x轴标签的角度和位置，以提高可读性。ggsave: 保存图形为PDF文件，指定文件路径和尺寸。
这段代码整体非常结构化和系统化，适合进行大规模的数据分析和可视化，特别是在生物信息学或医学研究中分析基因表达数据。
