R语言画分组柱状图（可以批量）

本文分享一套可直接运行的 R 语言批量绘图脚本适用于基因表达量分析自动为每个基因生成带误差棒、原始散点、t 检验 P 值的专业柱形图一键批量出图无需手动调整。散点柱状图差异检验标注P值科学配色脚本完整保留原始代码无任何修改直接复制即可使用# 设置工作路径 setwd(F:/画图) getwd() # 加载包 library(ggplot2) library(dplyr) library(tidyr) # 1. 读取数据 df - read.table( gene.txt, header FALSE,sep \t, stringsAsFactors FALSE) # 批量循环画图 all_genes - df[, 1] for (i in 1:nrow(df)) { gene_now - all_genes[i] dat - df[i, ] # 提取各组表达量 d3_ctrl - as.numeric(dat[1, 2:4]) d3_cys - as.numeric(dat[1, 5:7]) d7_ctrl - as.numeric(dat[1, 8:10]) d7_cys - as.numeric(dat[1, 11:13]) d12_ctrl - as.numeric(dat[1, 14:16]) d12_cys - as.numeric(dat[1, 17:19]) # 统计检验 p3 - t.test(d3_ctrl, d3_cys)$p.value p7 - t.test(d7_ctrl, d7_cys)$p.value p12 - t.test(d12_ctrl, d12_cys)$p.value # 构建均值±SD数据 plot_data - data.frame( Time c(D3,D3,D7,D7,D12,D12), Treat rep(c(Control,Cys), 3), Mean c(mean(d3_ctrl), mean(d3_cys), mean(d7_ctrl), mean(d7_cys), mean(d12_ctrl), mean(d12_cys)), SD c(sd(d3_ctrl), sd(d3_cys), sd(d7_ctrl), sd(d7_cys), sd(d12_ctrl), sd(d12_cys)) ) # 构建原始散点数据 point_data - data.frame( Time rep(c(D3,D3,D7,D7,D12,D12), each3), Treat rep(c(Control,Cys), each3, 3), Value c(d3_ctrl, d3_cys, d7_ctrl, d7_cys, d12_ctrl, d12_cys) ) # 固定顺序 plot_data$Time - factor(plot_data$Time, levels c(D3,D7,D12)) plot_data$Treat - factor(plot_data$Treat, levels c(Control,Cys)) point_data$Time - factor(point_data$Time, levels c(D3,D7,D12)) point_data$Treat - factor(point_data$Treat, levels c(Control,Cys)) # P值标签斜体P p_text - data.frame( Time c(D3,D7,D12), y max(plot_data$Mean plot_data$SD) * 1.25, label c( paste0(italic(P) , round(p3, 3)), paste0(italic(P) , round(p7, 3)), paste0(italic(P) , round(p12, 3)) ) ) # 绘图柱子 误差棒 原始散点 P值 p - ggplot(plot_data, aes(xTime, yMean, fillTreat)) geom_col(positionposition_dodge(0.8), width0.7, colorblack) geom_errorbar(aes(yminMean-SD, ymaxMeanSD), width0.2, positionposition_dodge(0.8), size0.4) # 原始真实值散点 geom_point(datapoint_data, aes(xTime, yValue, groupTreat), positionposition_jitterdodge(jitter.width0.1, dodge.width0.8), size1.8, colorblack, stroke0.8) geom_text(datap_text, aes(xTime, yy, labellabel), inherit.aesFALSE, size4.5, parseTRUE) scale_fill_manual(valuesc(#457B9D,#E63946)) labs(xDays, yExpression Level, titlegene_now) theme_bw(base_size14) theme(plot.titleelement_text(hjust0.5), legend.positiontop) # 输出PDF ggsave(paste0(gene_now,.pdf), p, width6, height5, devicepdf) cat(已完成, gene_now, \n) } cat( 画图完成 \n)出图结果