一、数据准备
数据使用的不同处理土壤样品的微生物组成数据，包含物种丰度，分类单元和样本分组数据。此数据为虚构，可用于练习，请不要作他用。
# 1.1 设置工作路径
#knitr::opts_knit$set(root.dir="D:\\EnvStat\\PCA")# 使用Rmarkdown进行程序运行
Sys.setlocale('LC_ALL','C') # Rmarkdown全局设置
#options(stringsAsFactors=F)# R中环境变量设置，防止字符型变量转换为因子
setwd("D:\\EnvStat\\stacked_map")
# 1.2 读入数据
## 物种组成数据
spetax <- read.table("spetax.csv", header=T, row.names=1, sep=",", comment.char="",stringsAsFactors = TRUE,quote = "")
head(spetax)
## 将物种分类单元注释信息与丰度数据分开
spe <- spetax[-c(1:7)]
tax <- spetax[1:7]
head(spe)
head(tax)
## 样本分组数据
group <- read.table("group.csv", header=T, row.names=1, sep=",", comment.char="",stringsAsFactors = TRUE,quote = "")
group$grazing <- factor(group$grazing,levels = c("CK","LG","MG","HG"))
group
图1|物种丰度及分类单元注释信息，spetax.csv。
图2|样本分组信息，group.csv。
二、 物种组成堆叠图
在门水平绘制物种组成堆叠柱形图，可以绘制绝对丰度堆叠图，也可以使用相对丰度绘制百分百堆叠图。
2.1 绝对丰度物种组成堆叠柱形图
# 2.1.1 物种组成数据按照门进行汇总
## spe和tax数据表中物种排序一致
library(tidyverse)
phy <- spe %>%
group_by(tax$Phylum) %>% # 使用tax中的门水平进行分类
summarise_all(sum) %>%
rename(Phylum = `tax$Phylum`) %>%
gather(key="Samples",value = "abun",-Phylum) %>% # 数据形式转换：“宽”转“长”
left_join(group,by=c("Samples"="name")) %>%
select(grazing,depth,Phylum,abun) %>%
group_by(grazing,depth,Phylum) %>% # 求均值
summarise_all(mean)
dim(phy)
head(phy)
# 2.1.2 颜色
library(ggsci)
col=pal_d3("category20")(20)
col2 = pal_d3("category20",alpha = 0.5)(20)
mypal=c(col,col2[-8])
图3|按门汇总的各处理物种丰度均值数据，phy。long format数据形式可直接用于ggplot2绘图。
# 2.1.3 物种组成堆叠柱形图-绝对丰度
library(ggplot2)
pdf("abs_stack.pdf",width = 12,height = 10,family="Times")
ggplot()+
geom_bar(data=phy,
aes(x=grazing,
weight=abun,
fill=reorder(Phylum,-abun)),
position = "stack",# 百分比堆叠图position = "fill"
width=0.5)+
facet_grid(.~depth)+
scale_fill_manual(values = mypal[-18])+
theme_bw()+
guides(fill=guide_legend(title = "Phylum",ncol = 2))+
labs(y = "Absolute abundance",x=NULL)+
theme(legend.position="right",
axis.title = element_text(face = "bold",
size = 12,colour = "black"))+
theme(axis.text = element_text(face = "bold",
size = 10,color="black"),
strip.text.x = element_text(face = "bold",
size =12,color="black"))+
theme(panel.grid=element_blank())+
theme(legend.title = element_text(face = "bold",
size =12,color="black"),
legend.text = element_text(face = "bold",
size =10,color="black"))
dev.off()
图4|绝对丰度堆叠柱形图，abs_stack.pdf。
2.2 相对丰度物种组成堆叠柱形图
# 2.2.1 物种组成堆叠柱形图-相对丰度
pdf("rel_stack.pdf",width = 12,height = 10,family="Times")
ggplot()+
geom_bar(data=phy,
aes(x=grazing,
weight=abun,
fill=reorder(Phylum,-abun)),
position = "fill", # ggplot2会自行计算相对丰度，无需提前计算。
width=0.5)+
facet_grid(.~depth)+
scale_fill_manual(values = mypal[-18])+ # 颜色与绝对丰度堆叠柱形图保持一致
theme_base()+
scale_y_continuous(#expand=c(0,0), #设置横坐标轴紧挨柱形图
name = "Relative abundance (%)",
limits = c(0,1),
breaks = seq(0,1,0.25),
labels = paste(seq(0,100,25),"%")
)+
guides(fill=guide_legend(title = "Phylum",ncol = 2))+
labs(x=NULL)+
theme(legend.position="right",
axis.title = element_text(face = "bold",
size = 12,colour = "black"))+
theme(axis.text = element_text(face = "bold",
size = 10,color="black"),
strip.text.x = element_text(face = "bold",
size =12,color="black"))+
theme(panel.grid=element_blank())+
theme(legend.title = element_text(face = "bold",
size =12,color="black"),
legend.text = element_text(face = "bold",
size =10,color="black"))
dev.off()
图5|绝对丰度堆叠柱形图，rel_stack.pdf。
原始数据和代码EcoEvoPhylo公众号后台发送“stacked_map”获取。
原文链接：R统计绘图 | 物种组成堆叠柱形图(绝对/相对丰度) (qq.com)
推荐阅读
R绘图-物种、环境因子相关性网络图(简单图、提取子图、修改图布局参数、物种-环境因子分别成环径向网络图)R统计绘图-分子生态相关性网络分析(拓扑属性计算，ggraph绘图)
R统计绘图-变量分组相关性网络图(igraph)
机器学习-分类随机森林分析(randomForest模型构建、参数调优、特征变量筛选、模型评估和基础理论等)
R统计绘图-随机森林分类分析及物种丰度差异检验组合图
机器学习-多元分类/回归决策树模型(tree包)
R统计绘图-环境因子相关性+mantel检验组合图(linkET包介绍1)
R统计绘图-NMDS、环境因子拟合(线性和非线性)、多元统计(adonis2和ANOSIM)及绘图(双因素自定义图例)
R统计绘图-RDA分析、Mantel检验及绘图
R绘图-RDA排序分析R统计绘图-VPA(方差分解分析)
R统计绘图-PCA详解1(princomp/principal/rcomp/rda等)
R统计-PCA/PCoA/db-RDA/NMDS/CA/CCA/DCA等排序分析教程R统计绘图-PCA分析绘图及结果解读(误差线，多边形，双Y轴图、球形检验、KMO和变量筛选等)R统计-微生物群落结构差异分析及结果解读
R统计绘图-PCA分析及绘制双坐标轴双序图R统计绘图-分子生态相关性网络分析
R中进行单因素方差分析并绘图R统计-多变量单因素参数、非参数检验及多重比较
R绘图-相关性分析及绘图
R绘图-相关性系数图
R统计绘图-环境因子相关性热图
R统计绘图-corrplot绘制热图及颜色、字体等细节修改
R统计绘图-corrplot热图绘制细节调整2(更改变量可视化顺序、非相关性热图绘制、添加矩形框等)
R数据可视化之美-节点链接图R统计绘图-rgbif包下载GBIF数据及绘制分布图
R统计-单因素ANOVA/Kruskal-Wallis置换检验R统计-正态性分布检验[Translation]
R统计-数据正态分布转换[Translation]
R统计-方差齐性检验[Translation]
R统计-Mauchly球形检验[Translation]R统计绘图-单、双、三因素重复测量方差分析[Translation]
R统计绘图-混合方差分析[Translation]
R统计绘图-协方差分析[Translation]
R统计绘图-One-Way MANOVA
![[python入门(51)] - python时间日期格式time和datetime](https://img-blog.csdnimg.cn/df610f8954064a3ba9a8ebace394bfed.png)
