利用ggplot2绘制直方图，基于几何对象geom_histogram()函数

geom_histogram(mapping = NULL, data = NULL, stat = "bin",
  position = "stack", ..., binwidth = NULL, bins = NULL, na.rm = FALSE,
  show.legend = NA, inherit.aes = TRUE)

其中mapping图形属性映射涉及多个，需统计的数据映射到X轴，Y轴映射统计类型（包括频数count 或频率density等），还涉及其他的图像属性等。

统计变换 stat="bin"，对应要设置组距间隔 binwidth大小，由此统计该组间间隔内的频数情况或频率情况

现利用数据绘制直方图，同时将绘图中计算得到的count添加到柱子上。

数据基本情况：

> head(dat)
         ID         CK
1 AT1G01010   3.581590
2 AT1G01020   5.036775
3 AT1G01030   5.035380
4 AT1G01040   2.692716
5 AT1G01046   0.000000
6 AT1G01050 114.336000
> dim(dat)
[1] 32483     2

数据第二列CK 表示基因表达量FPKM，再次进行转换log10(CK)进行绘图

基础代码：

p=ggplot(dat,aes(x=log10(CK)))+geom_histogram(stat="bin",binwidth = 1)+xlim(-3,5)
print(p)

其y轴默认count类型，不做设置是等同于 aes(y=..count..)，对应频数类型

注意书写方式   该数值为统计变换所得衍生，故前后各有两点

p=ggplot(dat,aes(x=log10(CK),y=..count..))+geom_histogram(stat="bin",binwidth = 1)+xlim(-3,5)
print(p)

进行文字添加则利用geom_text函数，其aes(label)需由..count..映射，同时在stat 和binwidth的设置必须和此前一致，方可在图片上添加计算到的频数

p=p+geom_text(aes(label=as.character(..count..)),stat="bin",binwidth=1,vjust=-0.5)
print(p)

频率图绘制及density数值添加过程类似：1、aes(y=..density)  2、统计变换等一致   3、density 仅保留两位小数利用round()

p=ggplot(dat,aes(x=log10(CK),y=..density..))+geom_histogram(stat="bin",binwidth = 1)+xlim(-3,5)
p=p+geom_text(aes(label=as.character(round(..density..,2))),stat="bin",binwidth=1,vjust=-0.5)
print(p)

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