本文作者蒋刘一琦，自嘲是一个有艺术追求的生信狗，毕业于浙江大学生物信息学专业，目前在复旦大学就读研究生，研究方向为宏基因组。
在生物信息领域我们常常使用R语言对数据可视化。在对数据可视化的时候，我们需要明确想要展示的信息，从而选择最为合适的图突出该信息。本系列文章将介绍多种基于不同R包的作图方法，希望能够帮助到各位读者。
什么是蜜蜂图
不知道蜜蜂图的名字从何而来，我猜测可能是因为画这个图的包叫做beeswarm？我们先来看看蜜蜂图长什么样。
Beeswarm看上去和我们之前的点图很像，我们可以直观来比较一下beeswarm和ggplot中使用jitter及point（默认参数）绘制同一组关于乳腺癌数据的图：
从中可以发现，beeswarm很好的体现了数据的分布，更加清楚、直观。而后两者，难以快速获取信息，point图中点过于密集，jitter中分布过于散乱。这也是很多科学论文选择beeswarm图的原因。在小样本下，也许jitter或者point方法也能够传达我们想要传递的信息，但是在样本量较大的时候，这两个绘图方法就不太适合了。而beeswarm图在大样本的情况下也能使用。不仅可以体现每一个样本具体情况，而且能够查看整体的情况。
怎么做蜜蜂图
本次作图使用两个不同的包，之所以如此，是因为比较常见的制作蜜蜂图的包就叫做“beeswarm”，但是它和ggplot的作图习惯略有差别。鉴于之前都是利用ggplot作图，所以也讲解另一个基于ggplot的名叫“ggbeeswarm”的包。
Note：没有安装相关R包的，先安装R包
1）需要什么格式的数据
本次使用的是beeswarm包中的breast数据。
breast 数据共有286个样本，具体所表示的信息如下：ER：Estrogen receptor status (factor with levels neg, pos).
ESR1：Expression of the ESR1 gene (numeric).
ERBB2：Expression of the ERBB2 gene (numeric).
time_survival：Time in months (numeric).
event_survival：Coded event: 0 = censored, 1 = metastasis (numeric).
2)如何作图
首先使用beeswarm包
代码语言：javascript复制library(beeswarm)
data(breast)
beeswarm(time_survival ~ ER, data = breast,
pch = 16, pwcol = 1 as.numeric(event_survival),
xlab = "", ylab = "Follow-up time (months)",
labels = c("ER neg", "ER pos"))
legend("topright", legend = c("Yes", "No"),
title = "Censored", pch = 16, col = 1:2)可以看到不像ggplot给具体的x=，y=，该包使用公式：举例：p~ grp，那么就相当于x为grp，y为p。另外，其修改图诸多细节的方式也不一致。
pch是选择点的样式，不同的数字代表实心圆、空心圆、三角形、倒三角形等等。
pwcol是用来设置颜色，可以看到这里 1原因是event_survival中含有0值，如果不加1，则显示为无色，即查看不到这些样本。
labels用来修改x轴标签，然后使用legend功能添加图例。
然后我们来看一看另一个R包ggbeeswarm。
代码语言：javascript复制ggplot(breast,aes(x=ER,y=time_survival))
geom_beeswarm(aes(color=factor(event_survival)),cex=1.5) #cex用于设置点的密集程度
theme_bw()
theme(
legend.position = c("top"),
panel.grid = element_blank()
)
scale_color_manual(values=c("Black","Red"),name="Censored",labels=c("Yes","No"))
scale_x_discrete(labels=c("ER neg","ER pos"))
xlab("")
ylab("Follow-up time (months)")
编辑：吴盼成
