绘制饼图的过程中，利用ggplot2的geom_bar结合coord_polar实现，需要理解的点是饼图的排布是按照aes(fill）的因子顺序确定的。譬如数据如下

> dat
  type Num
1    A  90
2    B  34
3    C  56
4    D  99
5    E  15

必须根据数据先确定mapping 中aes(fill)的因子顺序，譬如这里会按照dat$type 填充，这种非有序因子会基于字母顺序来默认其填充顺序。

为了确定数据填充的先后，同时方便在不同区域上填写上对应数据的大小，所以会先去创建有序因子，从而使数据列dat$Num的自然顺序和因子的顺序在一定程度上一致（一致的同向对应或反向对应）。譬如如下使方向一致：

dat$type=factor(dat$type,levels = dat$type,order=T)
dat$type

有序因子的结果则如下，和dat$Num的顺序能够一致上，不会出现对应错乱问题

[1] A B C D E
Levels: A < B < C < D < E

画图：

p_pie=ggplot(dat,aes(x="",y=dat[,2],fill=dat[,1]))+
  geom_bar(stat="identity",width=1)+
  coord_polar(theta="y",direction=1)+
  scale_fill_brewer(palette ="Set3",direction = 1)+
  labs(x="",y="",fill="Type")+
  ggtitle(label ="test",subtitle=NULL)
p_pie

结合下图结果可以看出坐标轴方向使顺时针，而颜色设置scale_fill_brewer(palette ="Set3",direction = 1) 设定了第一个颜色填充到第一个因子对应的“A”上，这样就反映出在图片实际分布中数据和因子是反向对应的。虽然在dat数据框中设置是顺序一致方向相同的对应，但图片分布中会改变。

结合图片中反向对应的关系，在A区块上填充上对应的文字Num:90，它的坐标因该是 sum(dat$Num)-90 +90/2，如果是B区块对应的应该坐标为sum(dat$Num)-90-34 +34/2

归纳为sum(dat$Num)-cumsum(dat$Num)+dat$Num/2 

sum(dat$Num)-cumsum(dat$Num)+dat$Num/2 
[1] 249.0 187.0 142.0  64.5   7.5

结合geom_text(aes(x,y))的位置设置，保证中间文字填写不会出错

p_pie=p_pie+
  geom_text(aes(x=1.2,y=sum(dat$Num)-cumsum(dat$Num)+dat$Num/2 ,label=as.character(dat[,2])),size=3)
p_pie

##########################如果最初构建有序因子的方向和实际数据的方向反向对应呢？

dat$type=factor(dat$type,levels = rev(dat$type),order=T)
dat$type

p_pie=ggplot(dat,aes(x="",y=dat[,2],fill=dat[,1]))+
  geom_bar(stat="identity",width=1)+
  coord_polar(theta="y",direction=1)+
  scale_fill_brewer(palette ="Set3",direction = 1)+
  labs(x="",y="",fill="Type")+
  ggtitle(label ="test",subtitle=NULL)
p_pie

结合图片可以知道，第一个因子”E“对应了第一个颜色，不过可以看到，图片显示坐标中，"A"在前，而"A"在dat$Num中对应的数据也在前 90，这样计算位置就会发生改变了，90-90/2，”B”将对应90+34-34/2

归纳为cumsum(dat$Num)-dat$Num/2

cumsum(dat$Num)-dat$Num/2
[1]  45.0 107.0 152.0 229.5 286.5

而且图例也是反向的，需要结合guides(fill=guide_legend(reverse=T)) 并且希望第一个颜色对应最后一个因子“A"，scale_fill_brewer(palette ="Set3",direction = -1)

dat$type=factor(dat$type,levels = rev(dat$type),order=T)
dat$type

p_pie=ggplot(dat,aes(x="",y=dat[,2],fill=dat[,1]))+
  geom_bar(stat="identity",width=1)+
  coord_polar(theta="y",direction=1)+
  scale_fill_brewer(palette ="Set3",direction = -1)+
  labs(x="",y="",fill="Type")+
  ggtitle(label ="test",subtitle=NULL)+
  guides(fill=guide_legend(reverse = T))+
  geom_text(aes(x=1.2,y=cumsum(dat$Num)-dat$Num/2 ,label=as.character(dat[,2])),size=3)

p_pie

总结可知：ggplot2在画饼图的过程中设定填充的因子方向总和图片坐标中的方向相反，不过因子的顺序和数据dat$Num的对应关系是正向对应或者反向对应，会影响相关区块的中心位置值计算的方式，从而影响geom_text中文字定位。

不借助公式计算的方法参考：

https://www.omicsclass.com/article/415

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