plot58 · 代码 3 · 图 1 · 笔记 2 · 代码库专题

18 · 极坐标条形图（玫瑰图）

长表：label + value（可选 group 做堆叠玫瑰图）。

示例 polar bar plot示例_polar_bar_plot.png

下载当前图（PNG）

分类: visualization
图号: 代码 3 · 图 1 · 笔记 2
文献来源: 非期刊图，无对应论文。
教程来源: 本地路径：02_可视化/18_极坐标条形图
3 个代码文件 · 2 份笔记
代码来源: 本地代码库 02_可视化/18_极坐标条形图

图源：示例_polar_bar_plot.png

分析流程与参数

从专题 README 抽取；原文顺序保留，未跑过的部分照实标注。

类别多（8~30 个）时，用极坐标把有限版面装满，比横向条形图的信息密度高。

参数要点

参数	默认	说明
`sort`	`desc`	`none`/`asc`/`desc`，按数值排扇区
`inner_radius`	0	>0 变环形（中间可放注释）
`start_angle`	0	起始角度（度）
`label_min_share`	0.08	只给占比 ≥8% 的扇区打内部标签

展开其余 5 个章节（工具栈、数据格式、可视化方法、参考文献等）

输入

长表：label + value（可选 group 做堆叠玫瑰图）。

trait,value
Total root length,128.4
Root surface area,96.2
Tips,210.9

用法（MCP）

render_plot  method_id="plot58"
  arguments: {"csv_path": "your.csv",
              "columns": {"label": "trait", "value": "value"}}

实现要点（踩过的坑，这条最难）

玫瑰图在 ggplot2 里必须同时满足三个条件，缺一个就只画出一段弧（实测反复踩）：

x 是连续 1..n，且 limits 精确卡 [0.5, n+0.5]、expand = c(0,0)。
用离散 factor 时 coord_polar 会把每类映射到固定刻度，整圈只铺开约 180°。
scale_y_continuous(limits = c(0, NA)) —— y 下限必须是 0。
不给下限时 ggplot 自动扩展会把"圆心"抬走，柱子同样只占一小段。
geom_col(width = 1) —— 扇区之间不能留缝。

另外两个坑：

xpos 这一列必须在 ggplot() 之前创建：ggplot 会捕获数据框的当时状态，
之后再 raw$xpos <- ... 不会进入图层数据。
.xpos 这种带点的列名在 aes() 里裸写会被当成对象名，
.data[["xpos"]] 也可能失效；直接用无点列名 xpos 最稳。

不适用

类别 <5 个（普通条形图更好读）、量纲差异很大（对数或分面更合适）。

素材来源

MsTt模板/241202_polar_plot 极坐标条形图/（circlize 手绘原稿）。

分析代码

2 个源码文件，按目录顺序；本机绝对路径已替换为 ~。代码可复制，但需要按自己的数据改路径与参数。

241202_polar_plot.rmd r · 12624 bytes

---
title: "code"
output: html_document
date: "2025-05-14"
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```

SCI 复现 | 绝美极坐标条形图

请尊重原创劳动成果
未经允许，不得转载

今天来复现Journal of Hazardous Materials 文章中 (Yuxiao Chang. et al. Enhanced nitrogen fixation and Cd passivation in rhizosphere soil by biochar-loaded nitrogen-fixing bacteria: Chemisorption and microbial mechanism. Journal of Hazardous Materials, Volume 481, 2025, 136588, ISSN 0304-3894, https://doi.org/10.1016/j.jhazmat.2024.136588) 的 Fig.2c

原图
图片

这个图很好看、很清晰：

不仅展示了多个根系指标（如总根长、总根表面积、平均根直径等），还区分了不同的处理（KB, BC, BAc），另外还标记了多重比较的标签（a, b, c）。
采用极坐标形式，可以在有限的空间内展示大量信息，避免了过度占用页面空间。
复现图
图片

此图复现使用的是 R 语言，复现过程中学习到的技巧:

使用 circlize 包完成，虽然整体难度不大，但过程中需要注意很多细节。比如，背景刻度线的设置、多重比较标签的添加，这些细节的处理使得图表更加美观和易于理解。
加载R包，准备数

```{r}
# 设置工作目录
setwd("~/Downloads/MSTT 笔记/241202_polar_plot 极坐标条形图")

#清除环境变量
rm(list = ls())
# 加载必要的包
library(circlize)

# 读取数据
data  = read.csv("data.csv")

data$category <- factor(data$category, levels = c("Forks", "Crossings", "Length", "SurfArea", "AvgDiam", "RootVolume", "Tips"))
# 定义颜色
category_colors <- c(
  "Forks" = "#E41A1C",       # 红色
  "Crossings" = "#377EB8",   # 蓝色
  "Length" = "#4DAF4A",      # 绿色
  "SurfArea" = "#984EA3",    # 紫色
  "AvgDiam" = "#FF7F00",     # 橙色
  "RootVolume" = "#FFFF33",  # 黄色
  "Tips" = "#A65628"         # 棕色
)

# 定义组颜色 - 修改为图片中的颜色
colors <- c(
  "KB" = "#4292C6",   # 蓝色
  "BC" = "#6BAED6",   # 浅蓝色
  "BAc" = "#9ECAE1"   # 最浅蓝色
)
```


处理一下数据：将category列转换为因子，并且指定因子的顺序。在极坐标图中，因子的顺序决定了扇形图的排列顺序。

绘图 - 定义画布
```{r}


# 初始化极坐标图
circos.clear()
# 修改参数以提供更多空间，并更好地匹配目标图像
circos.par(start.degree = 90, 
           gap.degree = 4,          # 减小扇区间隙
           track.margin = c(0, 0.02), # 减少轨道上下边距
           cell.padding = c(0, 0, 0, 0),
           track.height = 0.35      # 调整默认轨道高度
)
circos.initialize(factors = data$category, xlim = c(0, 1))
```

使用circos.clear()清除当前的图形设置，包括所有扇区和轨道的设置。
使用circos.par()设置一些全局参数。这些参数会影响整个图形的外观和布局。
start.degree = 90: 设置极坐标图的起始角度为 90 度。默认情况下，极坐标图从 0 度开始（即从正右方向开始），设置为 90 度意味着图形从正上方开始绘制。
gap.degree = 7: 设置扇区之间的间隙为 7 度。这个参数控制每个扇区之间的空白区域，使得每个扇区之间有一定的间隔。
track.margin = c(0, 0.12): 设置轨道的上下边距。c(0, 0.12)表示轨道的上边距为 0，下边距为 0.12。这个参数控制轨道之间的间距。
cell.padding = c(0, 0, 0, 0): 设置单元格内部的填充。c(0, 0, 0, 0)表示单元格的四个方向（上、右、下、左）都没有填充。这可以使得每个轨道的内容更紧密地填充在轨道内。
使用circos.initialize()初始化极坐标图。这个函数定义了每个扇区的基本参数，包括扇区的类别和每个扇区的 x 轴范围。
factors = data$category: 指定了扇区的类别。
xlim = c(0, 1): 定义了每个扇区的 x 轴范围。c(0, 1)表示每个扇区的 x 轴从 0 到 1。这个范围是标准化的，意味着无论实际数据的范围如何，都会被映射到 0 到 1 的范围内。
绘图 - 极坐标分类标签

```{r}
# 添加扇形分类标签和填充颜色
circos.track(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.05,  # 增加高度以匹配图片
  bg.col = category_colors,
  panel.fun = function(x, y) {
    circos.text(
      CELL_META$xcenter,
      CELL_META$ylim[2] - 0.5,  # 调整文字位置
      CELL_META$sector.index, 
      facing = "bending.inside", 
      cex = 0.9,  # 减小字体以匹配图片
      font = 2,   # 粗体
      adj = c(0.5, 0.5)
    )
  }
)
```

使用circos.track()函数添加一个新的轨道，并在轨道中绘制文本标签。

factors = data$category: 指定扇区的类别。每个类别将对应一个扇区。
ylim = c(0, 1):定义轨道的 y 轴范围。
track.height = 0.035: 定义轨道的高度。0.035 表示轨道高度为 3.5% 的圆环半径。
bg.col = category_colors: 指定每个扇区的背景颜色。
panel.fun = function(x, y)：是一个自定义的绘图函数。
circos.text()函数用于在极坐标图中绘制文本标签。CELL_META是一个包含当前扇区的元数据的对象。xcenter表示当前扇区的 x 轴中心位置。ylim[2]表示当前扇区 y 轴的最大值（即上边界）。sector.index是当前扇区的名称。在这里，它被用作文本标签的内容。
图片
绘图 - 极坐标条形图
```{r}
# 设置极坐标图的背景和刻度线
circos.trackPlotRegion(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.45, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.2),  # 降低透明度以匹配图片
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    
    # 根据不同指标调整刻度范围
    if (CELL_META$sector.index == "AvgDiam") {
      max_value <- 0.5  # 为AvgDiam设置固定最大值
    } else if (CELL_META$sector.index == "Length") {
      max_value <- 1200  # 为Length设置固定最大值
    } else if (CELL_META$sector.index == "RootVolume") {
      max_value <- 30  # 为RootVolume设置固定最大值
    } else if (max(sector_data$value) * 1.1 < 100) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 10) * 10
    } else if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 100) * 100  
    } else {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    
    # 生成3个刻度，符合图片
    at <- seq(0, max_value, by = max_value / 3)
    at <- at[-c(1, length(at))]
    for (a in at) {
      circos.lines(
        CELL_META$xlim,
        c(a, a) / max_value, 
        lty = 2,  # 虚线
        col = "grey60"  # 浅灰色
      )
      circos.text(
        CELL_META$cell.xlim[1] - mm_h(3), 
        a / max_value, 
        labels = ifelse(a >= 100, as.integer(a), round(a, 1)),  # 大数去掉小数点
        facing = "clockwise", 
        adj = c(0.5, 0), 
        cex = 0.8  # 减小字体
      )
      circos.lines(
        CELL_META$cell.xlim[1] + c(-0.01, 0), 
        c(a, a) / max_value
      )
    }    
    
    # 添加坐标轴
    circos.axis(
      h = "top",
      major.at = NULL,
      labels = FALSE
    )
  }
)
```

使用circos.trackPlotRegion()函数添加一个新的轨道区域。

panel.fun()：是一个自定义函数，在每个扇区中执行自定义绘图操作。
sector_data <- data[data$category == CELL_META$sector.index, ]：根据当前扇区的名称，从 data 数据框中提取相应的行数据。
确定最大值和刻度：根据每个扇区的最大值来确定绘制刻度线的最大值。最大值会稍微放大一些（乘以1.1），然后根据实际大小选择一个合适的刻度间隔（40 或 400）。
at <- seq(0, max_value, by = max_value / 4) 生成刻度线的位置。
at <- at[-c(1, length(at))]去掉第一个和最后一个刻度，以避免在图形边缘绘制刻度线。
for (a in at)循环遍历每个刻度位置，绘制刻度线和标签。
circos.lines()绘制水平刻度线。
circos.text()在刻度线的位置绘制刻度值标签。
circos.axis()添加坐标轴刻度，h = "top"指定添加在扇形的上边。
图片
```{r}
# 绘制极坐标的条形图
circos.trackPlotRegion(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.25,
  bg.col = NA,  # 不需要背景色
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    
    # 根据不同指标调整刻度范围
    if (CELL_META$sector.index == "AvgDiam") {
      max_value <- 0.5  # 为AvgDiam设置固定最大值
    } else if (CELL_META$sector.index == "Length") {
      max_value <- 1200  # 为Length设置固定最大值
    } else if (CELL_META$sector.index == "RootVolume") {
      max_value <- 30  # 为RootVolume设置固定最大值
    } else if (max(sector_data$value) * 1.1 < 100) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 10) * 10
    } else if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 100) * 100  
    } else {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
        
    # 调整条形宽度和间隔以匹配图片
    bar_width <- 0.15
    gap_width <- 0.05
    
    # 调整条形起始位置，使其居中
    start_pos <- 0.2
    
    for (i in seq_len(nrow(sector_data))) {
      xleft <- start_pos + (i - 1) * (bar_width + gap_width)
      xright <- xleft + bar_width
      circos.rect(
        xleft = xleft, 
        ybottom = 0, 
        xright = xright, 
        ytop = sector_data$value[i] / max_value,
        col = colors[sector_data$group[i]], 
        border = NA,  # 移除边框以匹配图片
        lwd = 1
      )
    }
  }
)
```

for (i in 1:nrow(sector_data)) 循环遍历每个数据点，绘制条形图。
xleft和xright定义条形的左右边界位置。
circos.rect()用于绘制条形图。
ybottom定义条形的底部位置（这里设为 0）。
ytop定义条形的顶部位置，按比例缩放到 max_value。
col定义条形的填充颜色，colors[sector_data$group[i]]根据数据点的组别设置颜色。
图片
```{r}
# 添加显著性标记
circos.trackPlotRegion(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.2,  # 减小轨道高度
  bg.col = NA,  # 不需要背景色
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    
    # 根据不同指标调整刻度范围
    if (CELL_META$sector.index == "AvgDiam") {
      max_value <- 0.5  # 为AvgDiam设置固定最大值
    } else if (CELL_META$sector.index == "Length") {
      max_value <- 1200  # 为Length设置固定最大值
    } else if (CELL_META$sector.index == "RootVolume") {
      max_value <- 30  # 为RootVolume设置固定最大值
    } else if (max(sector_data$value) * 1.1 < 100) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 10) * 10
    } else if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 100) * 100  
    } else {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    
    # 计算柱子位置，与条形图保持一致
    bar_width <- 0.15
    gap_width <- 0.05
    start_pos <- 0.2
    
    for (i in seq_len(nrow(sector_data))) {
      xleft <- start_pos + (i - 1) * (bar_width + gap_width)
      xright <- xleft + bar_width
      circos.text(
        (xleft + xright) / 2,  
        sector_data$value[i] / max_value + 0.05,  # 增加偏移量使标签更明显
        labels = sector_data$significance[i],
        col = "black", 
        cex = 0.8,  # 减小字体大小
        font = 2,   # 使用粗体
        facing = "inside",
        adj = c(0.5, 0)
      )
    }
  }
)

# 添加图例
legend("topright", 
       legend = c("KB", "BC", "BAc"), 
       fill = colors, 
       bty = "n", 
       cex = 0.8, 
       border = NA,  # 移除边框
       title = "Treatment")
```

使用circos.text()函数在每个条形的顶部绘制显著性标记：

x 位置：(xleft + xright) / 2取左右边界的中点，即条形的中间位置。
y 位置：sector_data$value[i] / max_value + 0.02计算条形的高度，再加上一个偏移量 0.02，以确保标记在柱子的顶部。
标签内容：labels = sector_data$significance[i]提取当前数据点的显著性标记。
图片

带误差棒的版本也已添加，获取以 RProject 形式保存的绘图代码和测试数据，后台回复关键词:241202_polar_plot

241202_polar_plot极坐标条形图.rmd r · 9197 bytes

---
title: "241202_polar_plot 极坐标条形图"
output: html_document
date: "2025-04-10"
editor_options: 
  chunk_output_type: console
---

```{r setup, include=FALSE}
knitr::opts_chunk$set(echo = TRUE)
```


```{r}
#清除所有数据
rm(list = ls())


library(circlize)
library(readxl)
library(writexl)

# 读取CSV数据文件
data <- read.csv("data.csv", stringsAsFactors = FALSE)

data$category <- factor(data$category, levels = c("Forks", "Crossings", "Length", "SurfArea", "AvgDiam", "RootVolume", "Tips"))
```



```{r}
# 设置类别顺序
categories <- c("Forks", "Crossings", "Length", "SurfArea", "AvgDiam", "RootVolume", "Tips")
data$category <- factor(data$category, levels = categories)

# 定义颜色
category_colors <- c(
  "Forks" = "#E41A1C",       # 红色
  "Crossings" = "#377EB8",   # 蓝色
  "Length" = "#4DAF4A",      # 绿色
  "SurfArea" = "#984EA3",    # 紫色
  "AvgDiam" = "#FF7F00",     # 橙色
  "RootVolume" = "#FFFF33",  # 黄色
  "Tips" = "#A65628"         # 棕色
)

# 定义组颜色
colors <- c(
  "KB" = "#66C2A5",   # 青绿色
  "BC" = "#FC8D62",   # 橙色
  "BAc" = "#8DA0CB"   # 蓝紫色
)

```



```{r fig.width=10, fig.height=10, results='hide', message=FALSE, warning=FALSE}
# 确保图形设备初始化
par(mfrow=c(1,1))
# 清除之前的circos设置
circos.clear()
# 设置circos参数
circos.par(start.degree = 90, 
           gap.degree = 7, 
           track.margin = c(0, 0.05), 
           cell.padding = c(0, 0, 0, 0),
           track.height = 0.1  # 减小默认跟踪高度
)
# 初始化扇区
circos.initialize(factors = data$category, xlim = c(0, 1))

# 添加扇形分类标签和填充颜色
circos.track(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.035, 
  bg.col = category_colors,
  panel.fun = function(x, y) {
    circos.text(
      CELL_META$xcenter,
      CELL_META$ylim[2] - 3.2,
      CELL_META$sector.index, 
      facing = "bending.inside", 
      cex = 2, 
      adj = c(0.5, 0)
    )
  }
)

# 设置极坐标图的背景和刻度线
circos.trackPlotRegion(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.47, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.4), 
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    
    if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 40) * 40  
    } else if (max(sector_data$value) * 1.1 >= 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    
    at <- seq(0, max_value, by = max_value / 4)
    at <- at[-c(1, length(at))]
    for (a in at) {
      circos.lines(
        CELL_META$xlim,
        c(a, a) / max_value, 
        lty = 5, 
        col = "grey40"
      )
      circos.text(
        CELL_META$cell.xlim[1] - mm_h(2), 
        a / max_value, labels = round(a),
        facing = "clockwise", 
        adj = c(0.5, 0), 
        cex = 1.1
      )
      circos.lines(
        CELL_META$cell.xlim[1] + c(-0.02, 0), 
        c(a, a) / max_value
      )
      circos.axis(
        h = "top",
        major.at = seq(0, 1, by = 0.3),
        major.tick.length = -0.05,
        minor.ticks = 1,
        labels = FALSE
      )
    }    
  }
)

# 绘制极坐标的条形图
circos.trackPlotRegion(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.47, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.4), 
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    
    # 获取当前扇区的最大值
    if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 40) * 40  
    } else if (max(sector_data$value) * 1.1 >= 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
        
    bar_width <- 0.2 
    gap_width <- 0.1
    for (i in seq_len(nrow(sector_data))) {
      xleft <- (i - 0.7) * (bar_width + gap_width)
      xright <- xleft + bar_width
      circos.rect(
        xleft = xleft, 
        ybottom = 0, 
        xright = xright, 
        ytop = sector_data$value[i] / max_value,
        col = colors[sector_data$group[i]], 
        border = "black",
        lwd = 1.5
      )
    }
  }
)

# 添加显著性标记
circos.trackPlotRegion(
  factors = data$category, 
  ylim = c(0, 1), 
  track.height = 0.47, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.4), 
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    
    # 获取当前扇区的最大值
    if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 40) * 40  
    } else if (max(sector_data$value) * 1.1 >= 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    
    bar_width <- 0.2 
    gap_width <- 0.1
    
    for (i in seq_len(nrow(sector_data))) {
      xleft <- (i - 0.7) * (bar_width + gap_width)
      xright <- xleft + bar_width
      circos.text(
        (xleft + xright) / 2,  
        sector_data$value[i] / max_value + 0.02,  
        labels = sector_data$significance[i],
        col = "black", 
        cex = 1.7,
        facing = "inside",
        adj = c(0.5, 0)
      )
    }
  }
)

# 添加图例
legend("topright", legend = c("KB", "BC", "BAc"), fill = colors, bty = "n", cex = 0.8)

# 保存为png,背景为白色
png("polar_plot.png", width = 800, height = 800, res = 300, bg = "white")
# 重新绘制所有内容（直接在png设备上绘制）
circos.clear()
circos.par(start.degree = 90, 
           gap.degree = 7, 
           track.margin = c(0, 0.05), 
           cell.padding = c(0, 0, 0, 0),
           track.height = 0.1  # 减小默认跟踪高度
)
circos.initialize(factors = data$category, xlim = c(0, 1))

# 添加扇形分类标签和填充颜色
circos.track(
  factors = data$category, ylim = c(0, 1), track.height = 0.035, bg.col = category_colors,
  panel.fun = function(x, y) {
    circos.text(
      CELL_META$xcenter, CELL_META$ylim[2] - 3.2, CELL_META$sector.index, 
      facing = "bending.inside", cex = 2, adj = c(0.5, 0)
    )
  }
)

# 设置极坐标图的背景和刻度线
circos.trackPlotRegion(
  factors = data$category, ylim = c(0, 1), track.height = 0.47, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.4), 
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 40) * 40  
    } else if (max(sector_data$value) * 1.1 >= 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    at <- seq(0, max_value, by = max_value / 4)
    at <- at[-c(1, length(at))]
    for (a in at) {
      circos.lines(CELL_META$xlim, c(a, a) / max_value, lty = 5, col = "grey40")
      circos.text(CELL_META$cell.xlim[1] - mm_h(2), a / max_value, 
                 labels = round(a), facing = "clockwise", adj = c(0.5, 0), cex = 1.1)
      circos.lines(CELL_META$cell.xlim[1] + c(-0.02, 0), c(a, a) / max_value)
      circos.axis(h = "top", major.at = seq(0, 1, by = 0.3),
                 major.tick.length = -0.05, minor.ticks = 1, labels = FALSE)
    }    
  }
)

# 绘制极坐标的条形图
circos.trackPlotRegion(
  factors = data$category, ylim = c(0, 1), track.height = 0.47, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.4), 
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 40) * 40  
    } else if (max(sector_data$value) * 1.1 >= 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    bar_width <- 0.2 
    gap_width <- 0.1
    for (i in seq_len(nrow(sector_data))) {
      xleft <- (i - 0.7) * (bar_width + gap_width)
      xright <- xleft + bar_width
      circos.rect(
        xleft = xleft, ybottom = 0, xright = xright, ytop = sector_data$value[i] / max_value,
        col = colors[sector_data$group[i]], border = "black", lwd = 1.5
      )
    }
  }
)

# 添加显著性标记
circos.trackPlotRegion(
  factors = data$category, ylim = c(0, 1), track.height = 0.47, 
  bg.col = adjustcolor(category_colors, alpha.f = 0.4), 
  panel.fun = function(x, y) {
    sector_data <- data[data$category == CELL_META$sector.index, ]
    if (max(sector_data$value) * 1.1 < 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 40) * 40  
    } else if (max(sector_data$value) * 1.1 >= 1000) {
      max_value <- ceiling(max(sector_data$value) * 1.1 / 400) * 400 
    }
    bar_width <- 0.2 
    gap_width <- 0.1
    for (i in seq_len(nrow(sector_data))) {
      xleft <- (i - 0.7) * (bar_width + gap_width)
      xright <- xleft + bar_width
      circos.text(
        (xleft + xright) / 2, sector_data$value[i] / max_value + 0.02,  
        labels = sector_data$significance[i], col = "black", cex = 1.7,
        facing = "inside", adj = c(0.5, 0)
      )
    }
  }
)

# 添加图例
legend("topright", legend = c("KB", "BC", "BAc"), fill = colors, bty = "n", cex = 0.8)

# 关闭PNG设备
dev.off()
```
```
```

用 MCP 直接出图

这个专题已经做成确定性工具，调用后直接返回图片，不需要 AI 现写代码。

工具名: polar_bar_plot
安装: 见 plot-mcp/README.md；接入后在对话里说「用 polar_bar_plot 画图」即可

{
  "rows": [
    {
      "sample": "c1",
      "group": "Control",
      "module": "ECM",
      "score": 4.2
    },
    {
      "sample": "c2",
      "group": "Control",
      "module": "ECM",
      "score": 4.8
    }
  ],
  "title": "18 · 极坐标条形图（玫瑰图）",
  "out": "./figure.png"
}

给 Agent 的提示词

请参考 hz-bioinfo-codes 的 18_极坐标条形图 专题（plot58），为我的数据复现同类图表，并保留原有配色与排版。