不要滥用条形图，箱线图加点图才是方向。除了分类数据计数，否则不准用条形图，要箱线图加点图。
举个例子来看看，先创建一个数据
df <- data.frame(
"distribution" = c(rep("unimodal", 500),
rep("bimodal", 250),
rep("trimodal", 600)),
"value" = c(rnorm(500, 6, 1),
rnorm(200, 3, .7), rnorm(50, 7, 0.4),
rnorm(200, 2, 0.7), rnorm(300, 5.5, 0.4), rnorm(100, 8, 0.4))
)
这个数据有两列，是清洁数据，ggplot2的最爱。
接下来修改以下因子的水平，用于调整x轴的顺序，这在之前讲过很多次
df$distribution <- factor(df$distribution,
levels(df$distribution)[c(3, 1, 2)])
一般情况下，我们作图是这样的，用条形图来展示
library(ggplot2)
ggplot(df, aes(distribution, value))
geom_col(aes(fill = distribution))
通常情况下，我们的文章中都喜欢这种图，但是这是有问题，这个图一开始是用于分类变量计数用的，并不适合连续型变量，因为他不能反应数据的分布。
所以，我们开始尝试用四分位箱线图来画
library(ggplot2)
ggplot(df, aes(distribution, value))
geom_boxplot(aes(fill = distribution))
图有很大变化，此时我们还喜欢加上点图，这也是杂志社推荐的方式
library(ggplot2)
ggplot(df, aes(distribution, value))
geom_boxplot(aes(fill = distribution))
geom_jitter()
这时候，我们能够看出，即使是一组，组内的数据也明显有分布特征，比如中间那个就分成了3群。
这个时候，小提琴图可以反应数据的分布特征
library(ggplot2)
ggplot(df, aes(distribution, value))
geom_violin(aes(fill = distribution))
我们也可以叠加点图呈现更多的信息
library(ggplot2)
ggplot(df, aes(distribution, value))
geom_violin(aes(fill = distribution))
geom_jitter()
这个图，在单细胞分析里面很常见，但是还是瑕疵，因为那些点不守规矩，
ggforce里面有个geom_sina图层可以把点限定在小提琴中，library(ggplot2)
library(ggforce)
ggplot(df, aes(distribution, value))
geom_violin(aes(fill = distribution))
geom_sina()
这样明显好看很多，而且我觉得以后单细胞那边的图，大概率都得改成这样。
但是，还是有问题，因为点图已经能够展示数据的分布了，那么小提琴就没有了作用，所以可以去掉小提琴图层
library(ggplot2)
library(ggforce)
ggplot(df, aes(distribution, value))
geom_sina(aes(color = distribution))
这个图层简洁明了，现在看看，是不是条形图的信息严重缺失，甚至有时候会起到误导的作用。
上一篇：sci论文的通讯作者需要做什么？