sci论文作图配色

sci论文作图配色

科研学术图标配色
学术图标配色一般一般选择浅色，或暗深色，不宜取用亮色。

FigDraw 7. SCI 文章绘图之折线图 (Lineplot)

点击关注，桓峰基因

目前整理出来的教程目录如下：

FigDraw 1. SCI 文章的灵魂 之 简约优雅的图表配色

FigDraw 2. SCI 文章绘图必备 R 语言基础

FigDraw 3. SCI 文章绘图必备 R 数据转换

FigDraw 4. SCI 文章绘图之散点图 （Scatter）

FigDraw 5. SCI 文章绘图之柱状图 (Barplot)

FigDraw 6. SCI 文章绘图之箱线图 (Boxplot)

FigDraw 7. SCI 文章绘图之折线图 (Lineplot)

折线图同样是应用非常广泛的统计图之一，通过折线图可以反映某种现象的趋势。通常折线图的横坐标是为时间变量，纵坐标则是一般性的数值型变量，当然，折线图也允许横坐标为离散型数值和数值型数值。下面来解释一下关于折线图的绘制。

geom_line()绘制折线图，参数不是很多，基本上就是五个用于调整线粗细，颜色，分组，线条样式，以及分组等。每个参数详细的说明如下：

下面我们就绘制有关时间序列的折线图。

该数据集来自上的美国经济时间序列数据。经济学是“宽”的形式，而economics_long是“长”的形式。一个包含574行和6个变量的数据框架:数据收集月份pce个人消费支出，以十亿美元计， pop总人口，以千计， psaving个人储蓄率，最高失业持续时间中位数，一个类tbl_df的对象(继承自tbl, )，有2870行和4列。

我们从绘制单条折线图到最后的堆积面积图组合等，由简入深地讲解每个参数的细节。

折线图中添加标记（点）

当数据点密度比较小或采集分布(间隔)不均匀时，为折线图做上标记将会产生非常好的效果。处理的方法非常简单，只需在折线图的基础上再加上geom_point()函数即可。从图中就可以非常明显的看出，刚开始采集的点分布非常散，而后面采集的点就比较密集，这也有助于对图的理解和应用。

上面绘制的都是单条这折线图，对于两个或两个以上的折线图该如何绘制呢？也很简单，只需将其他离散变量赋给诸如colour(线条颜色)和linetype(线条形状)的属性即可，具体参见下文例子。

不同的线条颜色color

不同的线条样式linetype

自定义颜色，线条，点的形状，点的填充色等，如下：

用色彩表现分组变量是最常用的形式，默认配色方案只需要调用就行。可以用于折线图的DIY配色函数为 scale_colour_manual()，参数包括：palette：调色板设计，里面包含很多颜色，供values = 调用。

values：色彩值，可以是cols <- c("a" = "red", "b" = "blue", "c" = "darkgreen")，此时分组变量和色彩映射一一对应;也可以是cols <- c( "red", "blue", "darkgreen")，此时分组变量和色彩依靠顺序进行映射。

labels：分组标签，各个颜色代表的组别。

name：legend的名字。

breaks：设置组别，元素需要和labels一样多。

limits：影响的是图形上显示的元素，如果limits里面有4个元素，但实际只有2个分组变量，那么会出现两个NA值。

其中，colour设置面积图边框的颜色；size设置边框线的粗细；alpha设置面积图和边框线的透明度。

同样需要注意的是，在绘制多条折线图时，如果横坐标为因子，必须还得加上‘group=分组变量’的参数，否则报错或绘制出错误的图形。

以上绘制的折线图，均采用默认格式，不论是颜色、形状、大小还是透明度，均没有给出自定义的格式。其实ggplot2包也是允许用户根据自己的想法设置这些属性的。

自定义参数说明可以通过自定义的方式，想怎么改就可以怎么改。前提是aes()属性的内容与自定义的内容对应上。

绘制堆叠的面积图只需要geom_area()函数再加上一个离散变量映射到fill就可以轻松实现，先忙咱小试牛刀一下。

修改填充色fill和顶部加线color，如果需要为每一块面积图的顶部加上一条直线，可以通过如下两种方式：

其中，colour设置面积图边框的颜色；size设置边框线的粗细；alpha设置面积图和边框线的透明度。

添加堆积面积图顶部的线条

在面积图中，也可以方便快捷的绘制出百分比堆积面积图，具体操作如下：

添加百分比堆积面积图顶部的线条

我们将堆积面积图进行组合，如下：

复现SCI论文图表：棒棒糖图|渐变|legeng设置

有小伙伴在群里咨询了一个图的做法，如下：

（Reference：GRB10 and E2F3 as Diagnostic Markers of Osteoarthritis and Their Correlation with Immune Infiltration）

是一个棒棒糖图，图的特点是大小表示相关性的强弱，它这里似乎颜色渐变也是表示相关强弱，我在复现的时候做了修改，将颜色渐变改为P值。

接下来开始作图，首先读入数据，我们用ggplot作图。

初步作图，geom_point做点图，geom_segment添加棒棒。

叠加图层，让棒棒位于点以下。

修改legend标题，删除填充的legend（按照原文的图是删除的，但是按照我们这里的表示是不能删除的，这里只是提示一种做法）。

最后，右侧添加Pvale值即可。

FigDraw 8. SCI 文章绘图之饼图 (Pieplot)

点击关注，桓峰基因

目前整理出来的教程目录如下：

FigDraw 1. SCI 文章的灵魂 之 简约优雅的图表配色

FigDraw 2. SCI 文章绘图必备 R 语言基础

FigDraw 3. SCI 文章绘图必备 R 数据转换

FigDraw 4. SCI 文章绘图之散点图 （Scatter）

FigDraw 5. SCI 文章绘图之柱状图 (Barplot)

FigDraw 6. SCI 文章绘图之箱线图 (Boxplot)

FigDraw 7. SCI 文章绘图之折线图 (Lineplot)

FigDraw 8. SCI 文章绘图之饼图 (Pieplot)

饼图(pie chart)被广泛地应用于各个领域，用于表示不同分类的占比情况，通过弧度大小来对比各种分类。饼图通过将一个圆饼按照分类的占比划分成多个切片，整个圆饼代表数据的总量，每个切片（圆弧）表示该分类占总体的比例，所有切片（圆弧）的加和等于100%。饼图可以很好地帮助用户快速了解数据的占比分配。它的主要缺点是:

(1）饼图不适用于多分类的数据，原则上一张饼图不可多于9个分类。因为随着分类的增多，每个切片就会变小，最后导致大小区分不明显，每个切片看上去都差不多大小,这样对于数据的对比是没有什么意义的;

( 2）相对具备同样功能的其他图表（比如百分比堆积柱形图、圆环图),饼图需要占据更大的画布空间,所以饼图不适合用于数据量大的场景;

(3）很难在多个饼图之间进行数值比较，此时可以使用百分比堆积柱形图或者百分比堆积条形图替代;

(4）饼图不适合多变量的连续数据的占比可视化，此时应该使用百分比堆积面积图展示数据,比如多变量的时序数据。

如何使用ggplot2绘制饼图。其实ggplot2并没有类似于geom_pie()这样的函数实现饼图的绘制，但ggplot2有一个理念，就是通过极坐标变换绘制饼图，下文就教大家一步步绘制精美的饼图。对于饼图的绘制就说到这里，如果你想绘制3D饼图，ggplot2就不是一个很好的选择，因为其目前还无法实现3D功能。所以我们这里介绍三种绘图方式，每种都有自己的特点，使用时选择适合自己的就可以了！

首先安装软件包如下：

我们构造一套数据，水果销售情况，如下：

在绘制饼图之前需要绘制堆叠的条形图，通过将条形图进行极坐标变换后，就能实现饼图绘制了。

饼图在ggplot2中就是通过极坐标变换获得，如下：

我们也可以将标签写在饼图上面，因此我们先去掉lenged,如下：

在加文本的时候，我们需要注意一下调整数据以及文本的顺序，如下：

当顺序都调整好之后，再次绘制饼图，如下：

我们说使用ggplot2太麻烦了，有直接可以绘制饼图的函数，为啥舍近求远呢？直接上函数pie()就完事了呗！

我感觉默认颜色其他比ggplot2的颜色搭配清新了许多，有种夏天的感觉，你觉得呢？

灰色系，有些期刊特别适合这种色系，简单大气！

除了平面的饼图之外，plotrix包也提供绘制3D饼图，这个功能与excel制作的立体饼图非常相似，也同样非常好用。

总结了这么多，是否对饼图怎么搞清晰多了，文章中可能出现的图形都已经包含在细节中，您细品，仔细品就豁然开朗了！！

老师你们是如何进行sci的润色？

可以自己找导师弄弄，也可以找专业的团队帮忙润色，推jian你TOPSCI拓普思，想了解更多可以百度一下