什么是小提琴图？手把手教你看懂小提琴图

1. 什么是小提琴图？

小提琴图，外层为核密度图，内层为箱线图。形似小提琴，故名小提琴图。是一种用来显示数据分布情况的统计图表。

外层核密度图：它用来显示数据的密度分布，像是一个平滑的直方图，能帮助我们看出数据的分布情况。轮廓宽的地方说明这个数值范围内的数据比较多，窄的地方则表示数据比较少。

内层箱线图：它展示了一组数据的五个统计特征：下限、第一四分位数（Q1）、中位数、第三四分位数（Q3）和上限。外面的黑点显示离群值的存在和分布情况。

四分位数（quartile）是指在统计学中把所有数值由小到大排列并分成四等份，处于三个分割点位置的数值。四分位数也被称为四分位点，它是将全部数据分成相等的四部分，其中每部分包括 25%的数据，处在各分位点的数值就是四分位数。四分位数有三个，第一个四分位数是下四分位数，第二个四分位数就是中位数，第三个四分位数称为上四分位数，分别用 Q1、Q2、Q3表示

四分位距IQR:是Q3-Q1，也就是说上下四分位数的差值。

上下限:上下限并不是整个数据样本的最大值和最小值，而是上限 = 去除异常值的最大值（Q3+1.5IQR）和下限 = 去除异常值的最小值（Q1-1.5IQR） ，在上下限这里分别划出两条线段作为异常值的分界点。

那么在箱线图中，上下限之间就是数据样本的正常分布区间，超出上下限就定义为异常值。

显著性标签：常用来标注不同组之间的统计显著性差异。这些标签通常是通过统计测试（如 t 检验、ANOVA 等）得到的结果，表示不同组之间是否存在显著差异。显著性标签通常表现为星号（*）或者字母标记等，常见的规则如下：* (p < 0.05)表示显著差异。NS.表示不显著差异。

2. 绘图的数据准备

包含2个维度的数据，在组学数据中通常每一列是个样本，每一行是个基因。

注意受到数据中极大值的影响，箱线图可能会被压的很扁，可以做log转换或其他归一化方式。

示例数据可以在https://www.bioladder.cn/web/demoData.xlsx找到并下载。

3. 绘制小提琴图的方法

3.1. BioLadder v2.0 云平台在线绘图

BioLadder v2.0 是一个在线绘图平台，我们只需要上传数据，系统自动生成图表，不需要写代码，适合0代码基础的同学。网址：BioLadder v2.0-生物信息在线分析云平台

3.2. R语言绘制小提琴图

喜欢自己写代码的同学，也附上R语言代码可供参考。

3.2.1. 绘图

# 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)

# 读取箱线图数据文件
df = read.delim("https://www.r2omics.cn/res/demodata/boxplot.txt",# 将此处换成你自己电脑里的文件
                header = T      # 指定第一行是列名
)

# 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")

# 绘图
p = ggplot(df,aes(x=Sample,y=Value,fill=Sample))+
  # stat_boxplot(geom = "errorbar",    # 添加误差线
  #  width=0.3)+
  geom_violin(alpha = 1,              # 透明度
              trim = T,               # 是否修剪尾巴，即将数据控制到真实的数据范围内
              scale = "count",         # 如果“area”(默认)，所有小提琴都有相同的面积(在修剪尾巴之前)。如果是“count”，区域与观测的数量成比例。如果是“width”，所有的小提琴都有相同的最大宽度。

               )+
  theme_bw()+                          # 主题
  theme(
    axis.text.x = element_text(angle = 90,
                               vjust = 0.5
    )       # x轴刻度改为倾斜90度，防止名称重叠
  )
p

3.2.2. 箱线图和小提琴图合并

# 其实就是在小提琴的图层下再画一个箱线图
p +
  geom_boxplot(width=0.16,
               fill="white",
               outlier.alpha = 0
              )

3.2.3. 添加显著性标签

library(ggsignif)  # 用于添加显著性标签

p + geom_signif(                         # 添加显著性标签
    comparisons=list(c("Sample1","Sample2"),c("Sample3","Sample4")), # 选择你想在哪组上添加标签
    step_increase = 0.1,
    test="t.test",                     # "t 检验，比较两组（参数）" = "t.test","Wilcoxon 符号秩检验，比较两组（非参数）" = "wilcox.test"
    test.args = list("var.equal" = T), # 等方差 
    map_signif_level=F                 # 标签样式F为数字，T为*号
  )