Tracer un tracé pour comparer chaque rangée?

Question

Je voudrais dessiner une intrigue pour la table suivante.

     T6  T26 D6  D26 
ENSMUSG00000026427 420  170 197 249 
ENSMUSG00000026436  27  21 54  77 
ENSMUSG00000018189 513 246 429 484 
ENSMUSG00000026470 100  55 82  73 
ENSMUSG00000026696 147  73 182 283 
ENSMUSG00000026568 3620 1571 1264 1746 
ENSMUSG00000026504  95  60 569 428 

Je veux comparer chaque ligne et spécifier chaque colonne de couleur différente. X.lab = Nom du gène y.Lab = Chiffres

Answer 1

Je pense que le choix de tracé approprié dépend des caractéristiques de votre ensemble de données complet, et de ce que je peux dire, sur le nombre de valeurs uniques possibles d'ID ("ENSMUSG *") et le nombre de variables possibles ("T26", "D26", ...). Ce qui est clair cependant, c'est que les variables ont des échelles différentes, donc ne doivent pas être combinées sur la même intrigue, et j'ai donc choisi un graphique à facettes ci-dessous.

Voici un code qui fait un choix approprié en fonction de l'échantillon des données que vous avez choisi de nous montrer:

library(readr) 
library(dplyr) 
library(tidyr) 

df_foo = read.table(textConnection(
    "T6  T26 D6  D26 
ENSMUSG00000026427 420  170 197 249 
ENSMUSG00000026436  27  21 54  77 
ENSMUSG00000018189 513 246 429 484 
ENSMUSG00000026470 100  55 82  73 
ENSMUSG00000026696 147  73 182 283 
ENSMUSG00000026568 3620 1571 1264 1746 
ENSMUSG00000026504  95  60 569 428" 
)) 

# plot the data 
df_foo %>% 
    add_rownames(var = "ID") %>% 
    gather(key = Variable, value = Value, -ID) %>% 
    ggplot(aes(x = ID, y = Value, fill = Variable)) + 
    geom_bar(stat = "identity") + 
    theme_bw() + 
    facet_wrap(~ Variable, scales = "free_y") + 
    theme(axis.text.x = element_text(angle = 50, hjust = 1)) 

# save the plot 
ggsave("results/faceted_bar.png", dpi = 600) 

Notez que faire ce qui précède esthétique color est strictement nécessaire étant donné que nous sommes facette par Variable de toute façon. Voici ce que le code ci-dessus produit:

Il peut être facilement fait valoir que ce n'est pas le tableau approprié pour vos données données plus de contexte et de connaissances sur vos données. Vous devriez ajouter plus de détails à la question que d'autres ont commenté.