论文写作不要滥用条形图，箱线图加点图才是方向

论文写作不要滥用条形图，箱线图加点图才是方向。除了分类数据计数，否则不准用条形图，要箱线图加点图。

举个例子来看看，先创建一个数据

df <- data.frame(
  "Distribution" = c(rep("Unimodal", 500),
                     rep("Bimodal", 250),
                     rep("Trimodal", 600)),
  "Value" = c(rnorm(500, 6, 1),
              rnorm(200, 3, .7), rnorm(50, 7, 0.4),
              rnorm(200, 2, 0.7), rnorm(300, 5.5, 0.4), rnorm(100, 8, 0.4))
)

这个数据有两列，是清洁数据，ggplot2的最爱。

接下来修改以下因子的水平，用于调整x轴的顺序，这在之前讲过很多次

df$Distribution <- factor(df$Distribution,
                          levels(df$Distribution)[c(3, 1, 2)])

一般情况下，我们作图是这样的，用条形图来展示

library(ggplot2)
ggplot(df, aes(Distribution, Value))+
  geom_col(aes(fill = Distribution))

通常情况下，我们的文章中都喜欢这种图，但是这是有问题，这个图一开始是用于分类变量计数用的，并不适合连续型变量，因为他不能反应数据的分布。
所以，我们开始尝试用四分位箱线图来画

library(ggplot2)
ggplot(df, aes(Distribution, Value))+
  geom_boxplot(aes(fill = Distribution))

library(ggplot2)
ggplot(df, aes(Distribution, Value))+
  geom_boxplot(aes(fill = Distribution))+
  geom_jitter()

这时候，我们能够看出，即使是一组，组内的数据也明显有分布特征，比如中间那个就分成了3群。
这个时候，小提琴图可以反应数据的分布特征

library(ggplot2)
ggplot(df, aes(Distribution, Value))+
  geom_violin(aes(fill = Distribution))

我们也可以叠加点图呈现更多的信息

library(ggplot2)
ggplot(df, aes(Distribution, Value))+
  geom_violin(aes(fill = Distribution))+
  geom_jitter()

这个图，在单细胞分析里面很常见，但是还是瑕疵，因为那些点不守规矩，ggforce里面有个geom_sina图层可以把点限定在小提琴中，

library(ggplot2)
library(ggforce)
ggplot(df, aes(Distribution, Value))+
  geom_violin(aes(fill = Distribution))+
  geom_sina()

这样明显好看很多，而且我觉得以后单细胞那边的图，大概率都得改成这样。
但是，还是有问题，因为点图已经能够展示数据的分布了，那么小提琴就没有了作用，所以可以去掉小提琴图层

library(ggplot2)
library(ggforce)
ggplot(df, aes(Distribution, Value))+
  geom_sina(aes(color = Distribution))

这个图层简洁明了，现在看看，是不是条形图的信息严重缺失，甚至有时候会起到误导的作用。