R을 이용한 과학 저널 그래프 그리기

최근에 논문에 들어갈 그래프 형태를 검색하다가 좋은 패키지를 찾았다. 

한국의 민승현 교수님이 공부하면서 필요에 의해 만든 R 패키지라 더 친근감이 들었다.  (감사합니다. ^^)

smplot 이 한번 더 발전하여 smplot2가 되었다. 

 

https://github.com/smin95/smplot2

GitHub - smin95/smplot2

 

---

 

그럼 본격적으로 기존의 ggplot과 비교해보자.

devtools::install_github('smin95/smplot2', force = TRUE)


library(tidyverse) # it has ggplot2 package
library(cowplot) # it allows you to save figures in .png file
library(smplot2)
library(patchwork)

p1 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy, color = class)) + 
  geom_point() 

p2 <- ggplot(data = mpg, mapping = aes(x = displ, y = hwy, color = class)) + 
  geom_point() + 
  sm_corr_theme()

p1+p2

왼쪽이 일반적인 ggplot이고, 오른쪽이 smplot2 패키지로 마사지를 한 것이다. 사용법도 쉽다. sm_corr_theme()만 붙이면 됨.  범례를 삭제하고 싶으면

  sm_corr_theme(legends = FALSE)

 

외곽 테두리를 제거하고 싶으면

  sm_corr_theme(borders = FALSE)

---

 

추세선을 넣고 싶으면   sm_statCorr()를 쓴다. 

기본은 Pearson의 상관관계 테스트로 R, p 값이 써지는데,  Spearman 상관관계 테스트가 필요하면 아래와 같이 쓴다. 

corr_method = 'spearman',

p3 <- ggplot(data = mtcars, mapping = aes(x = drat, y = mpg)) +
  geom_point(shape = 21, fill = '#0f993d', color = 'white', size = 3) +
  sm_statCorr()

p4 <- ggplot(data = mtcars, mapping = aes(x = drat, y = mpg)) +
  geom_point(shape = 21, fill = '#0f993d', color = 'white', size = 3) + 
  sm_statCorr(color = '#0f993d', corr_method = 'spearman',
              linetype = 'dashed')

p3+p4

 

---

다음은 scatter plot 만큼 많이 사용하는 boxplot이다. 

첫 번째 것은 일반적인 ggplot으로 그린 것이고, 두 번째는 sm_boxplot을 쓰고 속성을 point.params로 준 것이다. 

세 번째 것은 점의 색을 칠한 것이고, 3개 색깔이라 sm_palette(3)을 사용하였다.  

p1 <- ggplot(data = df, mapping = aes(x = Day, y = Value, color = Day)) + 
  geom_boxplot() + 
  geom_jitter(width = 0.15)

p2 <- ggplot(data = df, mapping = aes(x = Day, y = Value, color = Day)) + 
  geom_boxplot() + 
  geom_jitter(width = 0.15) + 
  ggtitle('Visual improvement after treatment')+
  sm_minimal(legends = FALSE) 


p3 <- ggplot(data = df, mapping = aes(x = Day, y = Value, fill = Day)) + 
  sm_boxplot(point.params = list(shape = 21, color = 'white',
                                 size = 2.5, alpha = 0.65)) + 
  ggtitle('Visual improvement after treatment') +
  scale_fill_manual(values = sm_palette(3))

p1+p2+p3

save_plot('boxplot.jpg', my_boxplot, base_asp = 1)

 

 

---

 

Raincloud 플롯 :  개별 데이터+ 바이올린 플롯+ 상자 플롯  --> 원시 데이터, 확률 밀도 및 중앙값, 분위수 표시

매우 간단하게 sm_raincloud()로 그릴 수 있다. 가로로 눕히려면 vertical=F를 넣으면 됨.

p1 <- df %>% ggplot(aes(x = Day, y = Value, fill = Day)) +
  sm_raincloud() +
  scale_fill_manual(values = sm_color('blue','orange', 'pink'))

p2 <- df %>% ggplot(aes(x = Day, y = Value, fill = Day)) +
  sm_raincloud(vertical = FALSE) +
  scale_fill_manual(values = sm_color('blue','orange', 'pink'))

p1+p2

 

 

---

좀 더 복잡한 그래프를 그려보자.  아래와 같이 SF에 따른 absBP 그래프를 그리는데 Group이 두 종류가 있다. 

이를 위에서 보았던 Raincloud로 그리되, 하나의 그래프에 모두 표시하자. 

p1 <- ggplot(mapping = aes(x = SF, y = absBP, fill = Group)) +
  sm_raincloud(data = df2amb, position = position_nudge(x = +0.15)) +

    sm_raincloud(data = df2norm, which_side = 'left',
               position = position_nudge(x = -0.15)) +
  
  scale_fill_manual(values = sm_color('darkred', 'viridian')) 
  




p2 <- ggplot(mapping = aes(x = SF, y = absBP, fill = Group)) +
  sm_raincloud(data = df2amb, position = position_nudge(x = +0.15),
               show.legend = FALSE,
               point.params = list(size = 2, shape = 21,
                                   color = 'transparent', 
                                   show.legend = TRUE,
                                   alpha = 0.3,
                                   position = sdamr::position_jitternudge(nudge.x = 0.06, seed = 10,
                                                                          jitter.width = 0.06))) +
  scale_fill_manual(values = sm_color('darkred', 'viridian')) +
  sm_raincloud(data = df2norm, which_side = 'left',
               show.legend = FALSE,
               position = position_nudge(x = -0.15),
               point.params = list(size = 2, shape = 21,
                                   show.legend = TRUE,
                                   color = 'transparent', alpha = 0.3,
                                   position = sdamr::position_jitternudge(nudge.x = -0.06, seed = 10,
                                                                          jitter.width = 0.06))) +
  theme(legend.position = c(0.24,0.85),
        legend.title = element_blank(),
        legend.text = element_text(size = 11)) +
  ggtitle('Raincloud plot of two groups') +
  scale_y_continuous(limits = c(0,2.5)) 

p1+p2

 

---

다음은 sm_slope 그래프이다.

변화에 따른 개별값이 어떻게 변화했는지 보는데 유용하다. 

기본 코드와 확장 코드는 아래와 같다. 평균을 중심으로 오차 막대를 그리는데, 기본은 sd(표준편차)이고, 다른 것은  ci (95% confidence interval)와se (standard error)가 있다. 

오차 종류의 수식

p1 <- ggplot(data = df, aes(x = beforeAfter, y = Value, fill = beforeAfter)) +
  sm_slope(group = Subject,
           labels = c('Before', 'After')) +
  scale_fill_manual(values=  sm_color('blue','orange'))


p2 <- ggplot(data = df, aes(x = beforeAfter, y = Value)) +
  sm_slope(group = Subject,
           show_mean = TRUE, 
           show_err = TRUE,
           labels = c('Before', 'After'),
           point.params = list(fill = sm_color('blue'),
                               color = 'white',
                               size = 2.2,
                               stroke = 0.65,
                               shape = 21,
                               alpha = 0.3),
           line.params = list(color = sm_color('skyblue'),
                              alpha = 0.3),
           avgPoint.params = list(color='transparent', shape = 21,
                                  size = 4, fill = sm_color('blue')),
           avgLine.params = list(size = 1, color = sm_color('blue')),
           err.params = list(size = 1, color = sm_color('blue')),
           errorbar_type = 'ci')
p1+p2

 

 

[사용법 관련 자료]

 

https://smin95.github.io/dataviz/basics-of-ggplot2-and-correlation-plot.html

Chapter 3 Basics of ggplot2 and Correlation Plot | Data Analysis and Visualization in R Using smplot2

참고로 민교수님은 패키지 관련 논문까지 썼으니 대단하다.

 

https://www.frontiersin.org/articles/10.3389/fgene.2021.802894/full

smplot: An R Package for Easy and Elegant Data Visualization