plot56 · 代码 2 · 图 2 · 笔记 1 · 代码库专题

16 · 云雨图（半小提琴 + 箱线 + 散点）

长表：分组列 + 数值列（可选分面列）。

box violin dot plotbox_violin_dot_plot.png

共 2 张：点缩略图切换主图，下载按钮跟随当前主图。

下载当前图（PNG）

分类: visualization
图号: 代码 2 · 图 2 · 笔记 1
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/16_云雨图
2 个代码文件 · 1 份笔记
代码来源: 本地代码库 02_可视化/16_云雨图

图源：box_violin_dot_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。

GBoxplot + 半小提琴 + 抖动散点叠在一起：既看分布形状，又看每个观测点，
还保留箱线图的中位数/IQR 读数。

参数要点

参数	默认	说明
`show_violin` / `show_box` / `show_dots`	全 true	三个图层可单独开关
`add_sig`	false	组间显著性标注；>2 组时降级为「首组对其余」两两比较
`angle_x`	0	x 轴标签角度（组名长时设 30~45）

展开其余 4 个章节（工具栈、数据格式、可视化方法、参考文献等）

输入

长表：分组列 + 数值列（可选分面列）。

group,value,facet
Control,4.2,Day1
TreatA,6.8,Day1

用法（MCP）

render_plot  method_id="plot56"
  arguments: {"csv_path": "your.csv",
              "columns": {"group": "group", "value": "value"}}

实现要点（踩过的坑）

gghalves::geom_half_point 在 ggplot2 4.0.3 下彻底损坏：draw_group 里
transformation$compute_layer() 崩在 argument "layout" is missing。
三个 half_* 中只有 point 有问题，violin/boxplot 正常 —— 所以散点用 geom_jitter。
rows 里的数值经 CSV 往返会被 R 的 read.csv 类型推断成字符，
Python 侧先规范化（0/1 转整数、数值转 float）再写临时 CSV。

素材来源

MsTt模板/241028_box_violin_dot 云雨图/。

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。

241028_box_violin_dot 云雨图(1).rmd r · 3443 bytes

---
title: "241028_box_violin_dot 云雨图"
output: html_document
date: "2025-04-10"
editor_options: 
  chunk_output_type: console
---

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


# 创建示例数据
```{r}
# 创建示例数据
set.seed(123)  # 设置随机种子，确保结果可复现

# 为四种不同细菌创建数据，每种有不同的分布特征
subtills_data <- rnorm(20, mean = 15, sd = 3)    # 较高平均值
cereus_data <- rnorm(20, mean = 10, sd = 2)      # 中等平均值
megaterium_data <- rnorm(20, mean = 8, sd = 2)   # 较低平均值
circulans_data <- rnorm(20, mean = 5, sd = 1.5)  # 最低平均值

# 确保数据为正数并取整(因为这是计数数据)
subtills_data <- round(pmax(subtills_data, 1))
cereus_data <- round(pmax(cereus_data, 1))
megaterium_data <- round(pmax(megaterium_data, 1))
circulans_data <- round(pmax(circulans_data, 1))

# 创建宽格式数据框
df <- data.frame(
  subtills = subtills_data,
  cereus = cereus_data,
  megaterium = megaterium_data,
  circulans = circulans_data
)

# 保存为CSV文件
write.csv(df, 'BGCs_numbers_per_genomes.csv', row.names = FALSE)

```


# 读取数据并绘制云雨图
```{r}
# 加载必要的包
library(ggplot2)
library(tidyr)
library(dplyr)
library(gghalves)  # 用于半小提琴图
library(ggsignif)  # 用于显著性标记

# 读入数据
df <- read.csv('BGCs_numbers_per_genomes.csv', header = TRUE)

# 转换成长数据格式
df1 <- gather(df) %>%
  rename("Clade" = key, "value" = value)

# 设置颜色
my_color = c('#84a354', '#b15053', '#cf9a2c', '#7d7c7f')

# 排序
variable <- c('subtills', 'cereus', 'megaterium', 'circulans')
my_sort <- factor(variable, levels = variable)

# 显著性检验比较组合
my_comparisons <- list(c("subtills", "cereus"),
                       c("cereus", "megaterium"),
                       c("megaterium", "circulans"))

# 创建云雨图
ggplot(df1, aes(factor(Clade, levels = my_sort), value)) +
  # 半小提琴图部分
  geom_half_violin(aes(fill = factor(Clade, levels = my_sort)),
                   side = 'r',
                   position = position_nudge(x = .25, y = 0),
                   cex = 0.8) +
  # 箱线图部分
  geom_boxplot(fill = "white",
               width = 0.1, cex = 0.8,
               position = position_nudge(x = .25, y = 0)) +
  # 散点部分
  geom_jitter(aes(color = factor(Clade, levels = my_sort)), 
              size = 1.5,
              position = position_jitter(width = 0.1)) +
  # 显著性标记
  geom_signif(comparisons = my_comparisons, 
              map_signif_level = function(p) sprintf("p = %.2g", p), 
              step_increase = 0.05,
              y_position = c(23, 20, 17),
              textsize = 5, vjust = -0.2,
              tip_length = 0) +
  # 设置颜色
  scale_fill_manual(values = my_color) +
  scale_color_manual(values = my_color, guide = 'none') +
  # 设置主题和标签
  theme_test(base_size = 15) +
  labs(x = NULL, y = 'No.of BGCs / genome') +
  scale_y_continuous(limits = c(0, 25)) +
  theme(legend.title = element_blank(),
        axis.title = element_text(size = 21, face = "bold"),
        axis.text = element_text(color = 'black', size = 17, face = "bold"),
        axis.text.x = element_text(face = 'bold.italic'),
        legend.text = element_text(size = 14, face = "bold.italic"))
# 保存图形
 ggsave("box_violin_dot_plot.png", width = 8, height = 6, dpi = 300)

```

241028_box_violin_dot 云雨图.rmd r · 3360 bytes

---
title: "241028_box_violin_dot 云雨图"
output: html_document
date: "2025-04-10"
editor_options: 
  chunk_output_type: console
---

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


# 创建示例数据
```{r}
# 创建示例数据
set.seed(123)  # 设置随机种子，确保结果可复现

# 为四种不同细菌创建数据，每种有不同的分布特征
subtills_data <- rnorm(20, mean = 15, sd = 3)    # 较高平均值
cereus_data <- rnorm(20, mean = 10, sd = 2)      # 中等平均值
megaterium_data <- rnorm(20, mean = 8, sd = 2)   # 较低平均值
circulans_data <- rnorm(20, mean = 5, sd = 1.5)  # 最低平均值

# 确保数据为正数并取整(因为这是计数数据)
subtills_data <- round(pmax(subtills_data, 1))
cereus_data <- round(pmax(cereus_data, 1))
megaterium_data <- round(pmax(megaterium_data, 1))
circulans_data <- round(pmax(circulans_data, 1))

# 创建宽格式数据框
df <- data.frame(
  subtills = subtills_data,
  cereus = cereus_data,
  megaterium = megaterium_data,
  circulans = circulans_data
)

# 保存为CSV文件
write.csv(df, 'BGCs_numbers_per_genomes.csv', row.names = FALSE)

```


# 读取数据并绘制云雨图
```{r}
# 加载必要的包
library(ggplot2)
library(tidyr)
library(dplyr)
library(gghalves)  # 用于半小提琴图
library(ggsignif)  # 用于显著性标记

# 读入数据
df <- read.csv('BGCs_numbers_per_genomes.csv', header = TRUE)

# 转换成长数据格式
df1 <- gather(df) %>%
  rename("Clade" = key, "value" = value)

# 设置颜色
my_color = c('#84a354', '#b15053', '#cf9a2c', '#7d7c7f')

# 排序
variable <- c('subtills', 'cereus', 'megaterium', 'circulans')
my_sort <- factor(variable, levels = variable)

# 显著性检验比较组合
my_comparisons <- list(c("subtills", "cereus"),
                       c("cereus", "megaterium"),
                       c("megaterium", "circulans"))

# 创建云雨图
ggplot(df1, aes(factor(Clade, levels = my_sort), value)) +
  # 半小提琴图部分
  geom_half_violin(aes(fill = factor(Clade, levels = my_sort)),
                   side = 'r',
                   position = position_nudge(x = .25, y = 0),
                   cex = 0.8) +
  # 箱线图部分
  geom_boxplot(fill = "white",
               width = 0.1, cex = 0.8,
               position = position_nudge(x = .25, y = 0)) +
  # 散点部分
  geom_jitter(aes(color = factor(Clade, levels = my_sort)), 
              size = 1.5,
              position = position_jitter(width = 0.1)) +
  # 显著性标记
  geom_signif(comparisons = my_comparisons, 
              map_signif_level = function(p) sprintf("p = %.2g", p), 
              step_increase = 0.05,
              y_position = c(23, 20, 17),
              textsize = 5, vjust = -0.2,
              tip_length = 0) +
  # 设置颜色
  scale_fill_manual(values = my_color) +
  scale_color_manual(values = my_color, guide = 'none') +
  # 设置主题和标签
  theme_test(base_size = 15) +
  labs(x = NULL, y = 'No.of BGCs / genome') +
  scale_y_continuous(limits = c(0, 25)) +
  theme(legend.title = element_blank(),
        axis.title = element_text(size = 21, face = "bold"),
        axis.text = element_text(color = 'black', size = 17, face = "bold"),
        axis.text.x = element_text(face = 'bold.italic'),
        legend.text = element_text(size = 14, face = "bold.italic"))


```

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: raincloud_plot
安装: 见 plot-mcp/README.md；接入后在对话里说「用 raincloud_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": "16 · 云雨图（半小提琴 + 箱线 + 散点）",
  "out": "./figure.png"
}

给 Agent 的提示词

请参考 hz-bioinfo-codes 的 16_云雨图 专题（plot56），为我的数据复现同类图表，并保留原有配色与排版。