即便小仙同學決定學習R語言來提升自己作圖的“逼格”的時候，心中還有有些疑慮的(嘿嘿，我這么懶，可不愿意做無用功了?)。仔細想了想，貌似又找到了兩個學習R的理由。

一是R可以幫助我們避免重復勞動，實現“一勞永逸”的終極夢想。盡管非常不想承認這一事實，在科研的過程中，小仙同學制造出了大量“無效”的數據(sign…)，但也不得不“絞盡腦汁”、“竭盡全力”地進行花式分析，試圖找出合理的解釋。這時候用Excel或者Origin作圖的劣勢就顯現出來了，每換一種分析方法或者是數據，我們都需要經過“插入圖表”、“調整顏色”、“調整間距”等等繁雜的工序畫出一張可以拿去“面圣”的圖。小仙同學一想到這些就感覺“累覺不愛”了。

二是R可以自動生成比較貌美的圖。不知道大家有沒有這樣的感受，自己辛辛苦苦畫了半天、調整的半天的圖會得到真實卻很殘忍的評價“很丑”（這是小仙同學心中永遠的痛）。即使本小仙自以為眼光獨特、品味高雅，費勁嘗試“高級”的色系，但搭配出來總是那么不盡人意（實測網紅晚晚帶火的“莫蘭迪色”不適用于科研繪圖）。顏色的搭配、飽和度和透明度的調整沒有想象中那么容易。折騰了半天，天生就愛不服氣的本小仙，最后決定還是把專業的事交給專業的人做啦（偷偷告訴你，據說有科學家專門研究paper插圖的配色，所以自己畫的圖沒有那么貌美的時候也不要“妄自菲薄”啦）。

好了，叨叨這么多，終于要開始進入正題啦。一開始用R繪圖的時候，小仙同學其實是非常痛苦的，因為沒有編程基礎，又懟了好幾年瓶瓶罐罐，看到一行行代碼，腦子里飄過的全是“&%￥#@￥$”。尤其是當你有實驗要做、報告要寫、作業要交的時候，平心靜氣地坐下來踏踏實實學習真的太難了(有人說小仙同學那么忙是因為效率低，好像真有些道理，我這真是“唉”，有苦說不出)。

后來本小仙的學習策略就非常簡單，用到啥就去搜啥，我對數據結構、語法結構一點都不感興趣，能讓我用最短的時間內畫出我想要的圖，就是最好的方法。即使這樣，小仙同學還是費了一些功夫。因為網上的一些教程，很多都是從別處復制粘貼過來的，本身就不完整。另外一個原因，某些大神覺得自己的教程已經足夠通俗易懂了，有些大家都知道的基礎知識根本不需要講（小仙同學不服，有基礎的同學不用看教程也可以自己摸索出來，真正需要教程的就是我們這些小白）。
小仙同學愿意嘗試一下，把最最全面、稍作修改就能拿去的方法code分享一下，也不枉費花了那么多的時間。
那就先從violin plot開始吧。
(假設你已經安裝了R和RStudio)

Step1. 繪圖數據的準備

首先要把你想要繪圖的數據調整成R語言可以識別的格式。
一般我們的數據都是保存在excel文檔里，這里建議大家在excel中保存成csv格式，讀寫的速度會比xlsx快很多。（小仙同學的親身經驗，我的有些數據有兩萬行，xlsx在我的耐心范圍內讀不進去，RStudio崩潰）。
數據的格式如下圖：一列表示一種變量，第一行是列名

Step2. 繪圖數據的讀取

data<-read.csv(“your file path”, header = T)

#注釋：header=T表示數據中的第一行是列名，如果沒有列名就用header=F

Step3.繪圖所需package的安裝、調用

install.package(“ggplot2”) #注釋：ggplot2是目前公認繪圖很強的一個安裝包

library(ggplot2) #注釋：package在使用之前需要調用

Step4.繪圖

data$dose <- as.factor(data$dose)

#注釋：此處dose可用你的變量名稱替換，$表示取數據集里的某一個元素

p<-ggplot(data, aes(x = dose, y = len))

#注釋：”x=”，”y=”表示x軸和y軸表示的變量數值，p表示圖像對象

p+geom_violin() #注釋：畫出violin plot的函數

Step5.美化

p+geom_violin(aes(fill = dose)) #注釋:按組別填充不同的顏色

*如果你想手動改變顏色，可以使用這一句

p+geom_violin(aes(fill = “dose”))+scale_fill_manual(values=c("#56B4E9"))
#注釋：”#56B4E9”可以用其他顏色的代碼來替換