ggplot2: ボックスプロット (box plot)

ggplot2 で、グラフを作成する場合、x軸とy軸の座標を意識する必要があります。この点は、慣れないと難しいかもしれません。ボックスプロットを例に解説します。

# 1サンプルあたり100個のデータを持つ2サンプルを生成。
input_data <- tibble("Sample1" = rnorm(100),
                     "Sample2" = rnorm(100))
>
> input_data
# A tibble: 100 x 2
   Sample1 Sample2
     <dbl>   <dbl>
 1  0.0145   0.550
 2  1.00    -0.627
 3  0.193   -0.300
 4  1.45     0.612
 5 -1.25    -0.134
 6  0.965    0.113
 7  0.0219   0.351
 8  0.0158  -1.11
 9  0.802    0.357
10 -0.387   -0.828
# … with 90 more rows

上記のような2サンプルのデータがあったとして、従来の関数を使うのであれば、boxplot(input_data) と書くだけで良いです。しかし、同じ感覚で、geom_boxplot を使おうとすると、下記のような警告が表示されます。

> ggplot(input_data, aes(Sample1, Sample2)) + geom_boxplot()
 警告メッセージ:
Continuous x aesthetic -- did you forget aes(group=...)?

表示されるプロット図も、期待されるイメージと違います。

誤ったイメージ

この原因は、aes() に渡しているのは、xの座標とyの座標として扱われるからです。省略せずに書くと、aes(x = Sample1, y = Sample2) となります。そのため、上記のような誤った結果になっています。

実際に、boxplot に表示させたいのは、下記のイメージのはずです。

実際に作成したいイメージ

つまり、x軸に指定するのは、「Sample1 に属するか Sample2 に属するか」という情報、y軸に指定するのは、データの値(ここでは read_count という名前)でなければなりません。そのためには、input_data に gather() 関数を使って、プロット用のデータに変換する必要があります。

plot_data <- input_data %>%
  gather(Sample1, Sample2, key = "sample", value = "read_count")

> plot_data
# A tibble: 200 x 2
   sample  read_count
   <chr>        <dbl>
 1 Sample1     0.0145
 2 Sample1     1.00
 3 Sample1     0.193
 4 Sample1     1.45
 5 Sample1    -1.25
 6 Sample1     0.965
 7 Sample1     0.0219
 8 Sample1     0.0158
 9 Sample1     0.802
10 Sample1    -0.387
# … with 190 more rows

変換後のデータ (plot_data) は、元のデータで横に並んでいたサンプルが、縦に並ぶイメージです。sample 列は、”Sample1″ または “Sample2″ の文字列です。数値データは、”read_count” という列名を付けて、縦に格納されています(1サンプルあたり100行あったので、200行のデータになります)。この plot_data を ggplot に用います。

ggplot(plot_data, aes(x = sample, y = read_count)) + geom_boxplot()

これで想定したイメージのボックスプロットになります。最初は、馴染めないかもしれません。しかし、この仕組みを理解すると、ある値に応じて、色を変えたり、ドットの大きさを変えたり、複雑な表現も読みやすく記述できるようになります。

 

投稿者:

Atsushi Doi

株式会社セルイノベーター 取締役、研究開発部部長。理学博士。山口大学大学院理工学研究科修了。東京大学医科学研究所ヒトゲノム解析センターの特任助手を経て、株式会社GNIに主任研究員として勤務。その後、株式会社セルイノベーターの立ち上げに参加し、現在に至る。専門は、バイオインフォマティクス、おもにシステムバイオロジー。

「ggplot2: ボックスプロット (box plot)」への2件のフィードバック

コメントは停止中です。