ggplot2 的geom()函数（几何对象）中常涉及图形元素的位置调整position，通过不同的参数调整可以使图片呈现不同的效果，主要的位置调整涉及如下方式：

其中dodge 和stack的效果在柱状图绘制过程有过展示：

dodge   https://www.omicsclass.com/article/92

stack   https://www.omicsclass.com/article/369

这里就基于相同的数据简单演示一下fill 类型的位置调整

> dat
   type  Sample Num
1     A sample1  90
2     B sample1  34
3     C sample1  56
4     D sample1  99
5     E sample1  15
6     A sample2  50
7     B sample2  20
8     C sample2  24
9     D sample2  70
10    E sample2  14

绘图

> dat
p = ggplot(dat, aes(x = type,y = Num,fill = Sample))+

  ####position="fill"堆叠并标准化

  geom_bar(stat ="identity",width = 0.6,position ="fill")+     
  scale_fill_manual(values = c("red","blue"))+              
  labs(x = "",y = "", title = "test")+    

  ####文字标签和geom_bar的参数position一致，position_fill

  geom_text(aes(label = dat$Num),position=position_fill(vjust =0.5),size = 5)+ 
  guides(fill = guide_legend(reverse = F))+               
  theme(plot.title = element_text(size = 25,face = "bold", vjust = 0.5, hjust = 0.5),  
        legend.title = element_blank(),              
        legend.text = element_text(size = 18, face = "bold"),     
        legend.position = 'right',               
        legend.key.size=unit(0.8,'cm'))          

print(p)

相同的代码、不同的position  可以看出dodge、stack、fill三者位置调整之间的明显区别

如果想提升自己的绘图技能，我们推荐：R语言绘图基础（ggplot2)

更多生物信息课程：

1. 文章越来越难发？是你没发现新思路，基因家族分析发2-4分文章简单快速，学习链接：基因家族分析实操课程、基因家族文献思路解读

2. 转录组数据理解不深入？图表看不懂？点击链接学习深入解读数据结果文件，学习链接：转录组（有参）结果解读；转录组（无参）结果解读

3. 转录组数据深入挖掘技能-WGCNA，提升你的文章档次，学习链接：WGCNA-加权基因共表达网络分析

4. 转录组数据怎么挖掘？学习链接：转录组标准分析后的数据挖掘、转录组文献解读

5. 微生物16S/ITS/18S分析原理及结果解读、OTU网络图绘制、cytoscape与网络图绘制课程

6. 生物信息入门到精通必修基础课：linux系统使用、perl入门到精通、perl语言高级、R语言入门、R语言画图

7. 医学相关数据挖掘课程，不用做实验也能发文章：TCGA-差异基因分析、GEO芯片数据挖掘、GEO芯片数据标准化、GSEA富集分析课程、TCGA临床数据生存分析、TCGA-转录因子分析、TCGA-ceRNA调控网络分析

8.其他，二代测序转录组数据自主分析、NCBI数据上传、二代测序数据解读