如何用R为每个基因绘制分Yes/No组的同图对比直方图

核心思路 #

先把你的宽格式基因表达数据转换成适合绘图的长格式，再结合分组标签，用ggplot2实现单图内两组直方图对比，可选择分面展示所有基因或单独输出每个基因的图。

步骤1：加载工具包并准备示例数据（可替换成你的真实数据） #

# 加载tidyverse包，包含数据处理（dplyr）和绘图（ggplot2）工具
library(tidyverse)

# 造示例df1：样本分组标签（10个样本）
df1 <- tibble(
  Sample = paste0("Sample", 1:10),
  Col1 = sample(c("Yes", "No"), 10, replace = TRUE)
)

# 造示例df2：5个基因的表达量（行=基因，列=样本）
set.seed(123) # 固定随机数，保证结果可重复
df2 <- tibble(
  Gene = paste0("Gene", 1:5),
  Sample1 = rnorm(10),
  Sample2 = rnorm(10),
  Sample3 = rnorm(10),
  Sample4 = rnorm(10),
  Sample5 = rnorm(10),
  Sample6 = rnorm(10),
  Sample7 = rnorm(10),
  Sample8 = rnorm(10),
  Sample9 = rnorm(10),
  Sample10 = rnorm(10)
) %>% column_to_rownames("Gene") # 把Gene列设为行名，匹配你的df2格式

步骤2：数据格式转换（关键步骤） #

把宽格式的基因表达数据转成长格式，并和分组标签合并：

combined_data <- df2 %>%
  t() %>% # 转置矩阵，让样本变行、基因变列
  as_tibble(rownames = "Sample") %>% # 转成数据框，保留样本名
  left_join(df1, by = "Sample") %>% # 按样本名合并分组标签
  pivot_longer(cols = starts_with("Gene"), names_to = "Gene", values_to = "Expression") # 转成长格式：每行对应一个基因的一个样本表达量

注意：如果你的df1没有样本名列，先手动添加：df1$Sample <- colnames(df2)，确保样本名和df2的列名完全匹配。

步骤3：绘制所有基因的对比直方图（分面展示） #

一次性生成所有基因的子图，每个子图内用颜色区分Yes/No组：

ggplot(combined_data, aes(x = Expression, fill = Col1)) +
  geom_histogram(position = "identity", alpha = 0.6, bins = 8) + # alpha设为0.6让重叠区域可见，bins调整柱子数量
  facet_wrap(~Gene, scales = "free") + # 每个基因单独一个子图，scales=free让坐标轴自适应数据范围
  labs(title = "基因表达量分布（按分组对比）", x = "表达量", y = "频数", fill = "分组") +
  theme_bw() # 用简洁的黑白主题

步骤4：单独保存每个基因的直方图（可选） #

如果需要每个基因输出独立的图片，用循环实现：

# 获取所有基因名称列表
gene_list <- unique(combined_data$Gene)

# 循环绘制并保存每个基因的图
for(gene in gene_list){
  p <- ggplot(filter(combined_data, Gene == gene), aes(x = Expression, fill = Col1)) +
    geom_histogram(position = "identity", alpha = 0.6, bins = 8) +
    labs(title = paste(gene, "表达量分布"), x = "表达量", y = "频数", fill = "分组") +
    theme_bw()
  
  # 保存图片，可修改格式（png/jpg）和路径
  ggsave(paste0(gene, "_histogram.pdf"), p, width = 6, height = 4)
}

内容的提问来源于stack exchange，提问作者RefBirf