R语言如何绘制累积曲线

什么是累积曲线？

累积曲线，全称是”经验累积分布函数”(ecdf)

在X轴映射所有数值，在Y轴映射排名的累积占比。最后通过点图和梯度连接线来进行可视化数据。就出现了简单的经验累积分布函数(ecdf)

为了理解这个抽象的概念，我们用学生成绩表的累积曲线举个例子。学生的语文成绩如下：第一列是学生名称，第二列是语文成绩。

绘图时，数据会按照从小到大排序并计数，根据所占总数的比例，不断累积，最终如下图的蓝色所示。

从图中可以看出（红线），有50%的学生语文成绩在60分以下。

绘图前的数据准备

demo数据可以在https://www.r2omics.cn/res/demodata/ecdf.txt下载。

包含2个维度的数据，用生物学常用的搜库结果举例。每一列是个样本，每一行是个基因。

# A tibble: 584 x 5
   Accession  sample1  sample2  sample3 sample4
   <chr>        <dbl>    <dbl>    <dbl>   <dbl>
 1 protein1   283357.  594651.  898836.     NA 
 2 protein2    69947.      NA       NA   72670.
 3 protein3  3040433. 6045008. 5557890. 880163.
 4 protein4   142188.  805093.  291644.     NA 
 5 protein5   226066.  540079.      NA      NA 
 6 protein6       NA       NA   795193.     NA 
 7 protein7   750025.      NA   783639. 232648.
 8 protein8       NA   503316.      NA      NA 
 9 protein9       NA   357599.      NA      NA 
10 protein10  455081.  812196.  962574.     NA 
# i 574 more rows

R语言如何绘制累积曲线

# 代码来源：https://www.r2omics.cn/
# 加载R包，没有安装请先安装  install.packages("包名") 
library(tidyverse)

# 读取累积曲线数据文件
df = read.delim("https://www.r2omics.cn/res/demodata/ecdf.txt")

# 把数据转换成ggplot常用的类型（长数据）
df = df %>%
  pivot_longer(-1,names_to = "Sample",values_to = "Value")

df$Value = log(df$Value) # 为方便观察，做log变化，以实际数据是否需要为准

# 绘图
ggplot(df,
       aes(
         x=Value,
         color=Sample
       ))+
  stat_ecdf( # ggplot2中的经验累积分布函数
    size=2   # 线条粗细
  )+
  theme_bw()