Beeswarm图（列散点图或小提琴散点图）绘制方法

install.packages("beeswarm")library(beeswarm)

stripchart(decrease ~ treatment, data = OrchardSprays,  vertical = TRUE, log = "y", method = 'jitter', jitter = 0.2, cex = 1,  pch = 16, col = rainbow(8),  main = 'stripchart')
beeswarm(decrease ~ treatment, data = OrchardSprays,  log = TRUE, pch = 16, col = rainbow(8),  main = 'beeswarm')

 beeswarm(time_survival ~ ER, data = breast,  #breast数据，根据ER分组，用time_survival 值绘制散点图pch = 16, pwcol = 1 + as.numeric(event_survival),  #pch点的形状，pwcol 根据event_survival分组颜色#使用pwpch，pwcol和pwbg来控制每个单独数据点的“逐点”特性，这里可以给每个点赋值颜色参数    xlab = "", ylab = "Follow-up time (months)",    labels = c("ER neg", "ER pos"))  legend("topright", legend = c("Yes", "No"),  #右上角图例title = "Censored", pch = 16, col = 1:2)  # pch 图例中点的形状

myCol <- lapply(distributions, function(x) cut(x, breaks = quantile(x), labels = FALSE))#将distributions的数据划分为四个范围，定义成1-4的数值，然后用这个数据定义颜色beeswarm(distributions, pch = 16, pwcol = myCol)legend("bottomright", legend = 1:4, pch = 16, col = 1:4, title = "Quartile")

set.seed(123)  distro <- list(runif = runif(100, min = -3, max = 3),               rnorm = rnorm(100))  ##随机生成数据beeswarm(distro, col = 2:3, pch = 16,method = "square",         main = "method = square")  #图1beeswarm(distro, col = 2:3, pch = 16,method = "swarm",         main = "method = swarm")  #图2beeswarm(distro, col = 2:3, pch = 16,method = "center",         main = "method = center")  #图3beeswarm(distro, col = 2:3, pch = 16,method = "hex",         main = "method = hex")  #图4

beeswarm(distributions,         pch = 21, col = c(1,7,5), bg = "#8B2323",           # col圆点边的颜色，bg圆点填充颜色         corral = "gomit",             # 图二gutter，图三wrap，图四random，图五gomit，         main = "corral = gomit")

boxplot(len ~ dose, data = ToothGrowth,    outline = FALSE,        main = 'boxplot + beeswarm')  beeswarm(len ~ dose, data = ToothGrowth,    col = 4, pch = 16, add = TRUE)      beeswarm(len ~ dose, data = ToothGrowth,    col = 4, pch = 16,    main = 'beeswarm + bxplot')  bxplot(len ~ dose, data = ToothGrowth, add = TRUE)

beeswarm(distributions, col = 2:4, main = 'Default')  #默认beeswarm(distributions, col = 2:4, side = -1, main = 'side = -1')  #点集中在左侧beeswarm(distributions, col = 2:4, side = 1, main = 'side = 1') #点集中在右侧
beeswarm(distributions, col = 2:4, priority = "descending", main = 'priority = "descending"')beeswarm(distributions, col = 2:4, priority = "random", main = 'priority = "random"')  beeswarm(distributions, col = 2:4, priority = "density", main = 'priority = "density"')

install.packages("ggbeeswarm")library(ggbeeswarm)library(ggplot2)

ggplot(iris,aes(Species, Sepal.Length)) + geom_jitter()  #geom_jitter() 函数是用来消除点的重合的一种方法ggplot(iris,aes(Species, Sepal.Length)) + geom_quasirandom()   #geom_quasirandom默认值

ggplot(mpg,aes(class, hwy)) + geom_quasirandom()  #默认值

ggplot(mpg,aes(hwy, class)) + geom_quasirandom(groupOnX=FALSE)  #坐标轴转换

ggplot(mpg,aes(class, hwy)) + geom_quasirandom(varwidth = TRUE)#有的组只有几个点，用varwidth = TRUE调整宽度

sub_mpg <- mpg[mpg$class %in% c("midsize", "pickup", "suv"),]ggplot(sub_mpg, aes(class, displ, color=factor(cyl))) + geom_quasirandom(dodge.width=1)#闪避，dodge.width 调整组内的不同颜色亚组的距离

ggplot(iris, aes(Species, Sepal.Length)) + geom_quasirandom(method = "tukey") +ggtitle("Tukey texture")   #图1，图基ggplot(iris, aes(Species, Sepal.Length)) + geom_quasirandom(method = "tukeyDense") +ggtitle("Tukey + density")  #图2，图基+密度ggplot(iris, aes(Species, Sepal.Length)) + geom_quasirandom(method = "frowney") +ggtitle("Banded frowns")  #图3，皱眉型（看起来不高兴的样子）ggplot(iris, aes(Species, Sepal.Length)) + geom_quasirandom(method = "smiley") +ggtitle("Banded smiles")  #图4，微笑型ggplot(iris, aes(Species, Sepal.Length)) + geom_quasirandom(method = "pseudorandom") +ggtitle("Jittered density")  #图5，伪随机ggplot(iris, aes(Species, Sepal.Length)) + geom_beeswarm() + ggtitle("Beeswarm")  #图6，蜂群图

ggplot(iris,aes(Species, Sepal.Length)) + geom_beeswarm()  #默认

ggplot(mpg,aes(hwy, class)) + geom_beeswarm(size=0.5,groupOnX=FALSE)#size改变点大小，groupOnX 坐标轴转换

ggplot(mpg,aes(hwy, class)) + geom_beeswarm(size=.5,groupOnX=FALSE) + scale_y_discrete(expand=expand_scale(add=c(0.5,1))) #scale_y_discrete是对y轴离散变量进行处理，expand 表示扩展坐标轴显示范围

sub_mpg <- mpg[mpg$class %in% c("midsize", "pickup", "suv"),]ggplot(sub_mpg, aes(class, displ, color=factor(cyl))) + geom_beeswarm(dodge.width=0.5)