如何在R中将多张表格的多位置A/T/G/C列直方图合并绘制？

要完成这个需求，我们可以通过数据整合 + ggplot2可视化两步来实现，下面是详细的代码和解释：

步骤1：准备并整合多份表格数据 #

首先，我们需要给每个表格添加一个专属标识（比如样本名称），这样后续才能区分不同表格的数据，然后把所有表格合并成一个统一的数据框。

假设你已经有table1、table2、table3、table4、table5这5份表格，执行以下代码：

# 给每个表格添加样本标识列
table1$sample <- "Sample_1"
table2$sample <- "Sample_2"
table3$sample <- "Sample_3"
table4$sample <- "Sample_4"
table5$sample <- "Sample_5"

# 合并所有表格为一个数据框
combined_data <- rbind(table1, table2, table3, table4, table5)

注意：如果你的表格中Pos列的范围不一致，rbind会自动给缺失的位置补NA，后续可以用na.omit(combined_data)过滤掉缺失值，或者提前统一所有表格的Pos范围。

步骤2：转换数据格式为长格式 #

原始表格是宽格式（A/T/G/C作为独立列），而ggplot2更适合处理长格式数据，我们用tidyr包的pivot_longer函数转换：

# 如果没安装tidyr，先执行 install.packages("tidyr")
library(tidyr)

long_data <- pivot_longer(
  data = combined_data,
  cols = c(A, T, G, C),  # 指定要转换的碱基列（确保你的表格里包含这四列）
  names_to = "Nucleotide",  # 新列：碱基类型（A/T/G/C）
  values_to = "Count"       # 新列：对应碱基的计数
)

步骤3：绘制合并后的柱状图（你说的"直方图"实际应为柱状图） #

我们用ggplot2包绘制，这里提供两种常见的可视化方案，你可以根据需求选择：

方案1：同一位置下，不同碱基的计数并排，不同样本用颜色区分 #

# 如果没安装ggplot2，先执行 install.packages("ggplot2")
library(ggplot2)

ggplot(long_data, aes(x = factor(Pos), y = Count, fill = sample)) +
  # 绘制柱状图，自动分组并排显示不同样本的同碱基数据
  geom_col(position = position_dodge2(preserve = "single"), aes(group = Nucleotide)) +
  # 可选：添加数值标签，方便查看具体计数
  geom_text(aes(label = Count), position = position_dodge2(width = 0.9), vjust = -0.5, size = 3) +
  # 设置标题和坐标轴标签
  labs(
    x = "Position", 
    y = "Count", 
    title = "Nucleotide Counts by Position (All Samples)",
    fill = "Sample"
  ) +
  # 优化主题，旋转x轴标签避免重叠
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

方案2：同一位置下，不同碱基的计数堆叠，不同样本用分面区分 #

如果想更清晰地对比每个样本的碱基分布，可以用分面展示：

ggplot(long_data, aes(x = factor(Pos), y = Count, fill = Nucleotide)) +
  geom_col(position = "stack") +
  geom_text(aes(label = Count), position = position_stack(vjust = 0.5), size = 3) +
  facet_wrap(~sample, nrow = 2) +  # 按样本分面，2行显示
  labs(x = "Position", y = "Count", title = "Nucleotide Counts by Position (Per Sample)") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

关键说明 #

• 这里用geom_col而不是geom_histogram：因为你的数据是离散位置的计数，属于分类数据的柱状图；直方图是用来展示连续变量的分布，不适合这个场景。
• position_dodge2可以确保不同长度的分组（比如某些Pos只有部分样本有数据）也能正确对齐。

内容的提问来源于stack exchange，提问作者Achal Neupane