tidyplots：简洁优雅的数据可视化

可视化
tidyplots
Published

January 10, 2026

tidyplots 是一个基于 ggplot2 的高级绑图包，用极简的语法创建出版级的科研图表。它的设计理念是”用最少的代码，做最专业的图”。

R包介绍

为什么选择 tidyplots？

tidyplots 解决了 ggplot2 的几个痛点：

  1. 代码冗长：ggplot2 需要多层叠加，tidyplots 一行搞定
  2. 主题繁琐：自动应用专业的学术主题
  3. 配色困难：内置优秀的配色方案
  4. 统计标注：自动添加 p 值、误差线等
  5. 多图拼接：原生支持分面和组合

安装与加载

# CRAN 安装
install.packages("tidyplots")
library(tidyplots)
library(dplyr)

核心设计理念

tidyplots 采用 管道式语法，核心函数是 tidyplot()：

数据 |> tidyplot(x, y, color) |> add_*() |> adjust_*() |> theme_*()

快速入门

第一个 tidyplots 图

# 使用内置数据集
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar()

对比传统 ggplot2 代码：

# ggplot2 需要先计算统计量
library(ggplot2)
study |>
  group_by(treatment) |>
  summarise(
    mean = mean(score),
    se = sd(score) / sqrt(n())
  ) |>
  ggplot(aes(x = treatment, y = mean, fill = treatment)) +
  geom_col() +
  geom_errorbar(aes(ymin = mean - se, ymax = mean + se), width = 0.2) +
  theme_minimal()

tidyplots 只需 3 行，ggplot2 需要 10+ 行！

基础图形

柱状图 (Bar Plot)

# 基础柱状图
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar()

# 带误差线和数据点的柱状图
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar(alpha = 0.4) |>
  add_sem_errorbar() |>
  add_data_points()

箱线图 (Box Plot)

# 箱线图
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_boxplot()

# 箱线图 + 抖动点
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_boxplot(alpha = 0.3) |>
  add_data_points_jitter()

小提琴图 (Violin Plot)

study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_violin() |>
  add_boxplot(width = 0.1, alpha = 0)

散点图 (Scatter Plot)

# 基础散点图
study |>
  tidyplot(x = age, y = score, color = treatment) |>
  add_data_points()

# 带拟合线的散点图
study |>
  tidyplot(x = age, y = score, color = treatment) |>
  add_data_points() |>
  add_curve_fit()

折线图 (Line Plot)

# 分组折线图
time_course |>
  tidyplot(x = day, y = score, color = treatment) |>
  add_mean_line() |>
  add_sem_ribbon()

直方图 (Histogram)

study |>
  tidyplot(x = score, color = treatment) |>
  add_histogram()

统计标注

添加 p 值

tidyplots 可以自动计算并标注统计检验结果：

# 添加配对比较的 p 值
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() |>
  add_test_pvalue()

添加显著性标记

# 使用星号表示显著性
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() |>
  add_test_asterisks()

配色方案

内置配色

tidyplots 内置多种专业配色方案：

# 默认配色
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar()

# 使用不同配色方案
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  adjust_colors(new_colors = c("#0073C2", "#EFC000", "#868686"))

可用的配色方案

配色名称 适用场景
colors_discrete_seaside 海洋色调
colors_discrete_friendly 色盲友好
colors_continuous_viridis 连续变量

主题设置

内置主题

# 默认主题 (已经很专业)
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar()

调整标题

study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() |>
  adjust_title("实验结果") |>
  adjust_x_axis_title("分组") |>
  adjust_y_axis_title("得分")

调整字体大小

study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() |>
  adjust_font(fontsize = 14)

隐藏图例

study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  remove_legend()

分面与组合

分面 (Faceting)

# 按变量分面
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() |>
  split_plot(by = group)

多图组合

# 创建多个图并组合
p1 <- study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() |>
  adjust_title("A. 柱状图")

p2 <- study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_boxplot() |>
  adjust_title("B. 箱线图")

p3 <- study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_violin() |>
  adjust_title("C. 小提琴图")

# 组合图形（使用 patchwork）
library(patchwork)
p1 + p2 + p3

保存图形

基本保存

# 保存单个图形
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  save_plot("figure1.png")

# 指定尺寸和分辨率
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  save_plot("figure1.png", width = 10, height = 8, dpi = 300)

实战案例

案例1：临床试验结果图

# 模拟临床数据
set.seed(42)
clinical <- data.frame(
  patient = 1:90,
  treatment = rep(c("Placebo", "Drug A", "Drug B"), each = 30),
  response = c(
    rnorm(30, 45, 12),
    rnorm(30, 60, 10),
    rnorm(30, 72, 8)
  ),
  gender = sample(c("Male", "Female"), 90, replace = TRUE)
)

# 创建专业的临床结果图
clinical |>
  tidyplot(x = treatment, y = response, color = treatment) |>
  add_mean_bar(alpha = 0.6) |>
  add_sem_errorbar() |>
  add_data_points_jitter(width = 0.2, alpha = 0.5) |>
  add_test_asterisks() |>
  adjust_title("药物疗效比较") |>
  adjust_x_axis_title("治疗组") |>
  adjust_y_axis_title("应答率 (%)") |>
  remove_legend()

案例2：时间序列数据

# 带误差带的时间序列图
time_course |>
  tidyplot(x = day, y = score, color = treatment) |>
  add_mean_line(linewidth = 1) |>
  add_sem_ribbon(alpha = 0.2) |>
  add_data_points(alpha = 0.3, size = 1) |>
  adjust_title("治疗效果时间曲线") |>
  adjust_x_axis_title("时间 (天)") |>
  adjust_y_axis_title("评分")

案例3：多组比较

# 创建分组比较图
study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_boxplot(alpha = 0.3) |>
  add_data_points_jitter() |>
  add_test_pvalue() |>
  split_plot(by = group) |>
  adjust_title("不同亚组的治疗效果")

案例4：相关性分析

study |>
  tidyplot(x = age, y = score, color = treatment) |>
  add_data_points(size = 2.5, alpha = 0.6) |>
  add_curve_fit() |>
  adjust_title("年龄与评分的关系") |>
  adjust_x_axis_title("年龄 (岁)") |>
  adjust_y_axis_title("评分")

高级技巧

与 ggplot2 结合

tidyplots 返回的是 ggplot2 对象，可以继续添加 ggplot2 层：

library(ggplot2)

study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  add_sem_errorbar() +
  # 添加 ggplot2 层
  geom_hline(yintercept = 50, linetype = "dashed", color = "red") +
  annotate("text", x = 3.5, y = 52, label = "基线", color = "red")

自定义绑图函数

# 创建自定义绑图函数
my_barplot <- function(data, x, y, color) {
  data |>
    tidyplot(x = {{x}}, y = {{y}}, color = {{color}}) |>
    add_mean_bar(alpha = 0.5) |>
    add_sem_errorbar() |>
    add_data_points_jitter() |>
    add_test_asterisks() |>
    remove_legend()
}

# 使用自定义函数
study |>
  my_barplot(treatment, score, treatment)

tidyplots 函数速查表

添加几何图形 (add_*)

函数 说明
add_mean_bar() 均值柱状图
add_boxplot() 箱线图
add_violin() 小提琴图
add_data_points() 数据点
add_data_points_jitter() 抖动数据点
add_sem_errorbar() 标准误误差线
add_sd_errorbar() 标准差误差线
add_sem_ribbon() 标准误误差带
add_mean_line() 均值连线
add_curve_fit() 拟合线
add_histogram() 直方图
add_heatmap() 热图

添加统计 (add_test_*)

函数 说明
add_test_pvalue() p 值标注
add_test_asterisks() 星号显著性标注

调整样式 (adjust_*)

函数 说明
adjust_colors() 配色方案
adjust_title() 主标题
adjust_x_axis_title() X 轴标题
adjust_y_axis_title() Y 轴标题
adjust_font() 字体大小
adjust_legend_title() 图例标题
adjust_size() 图形尺寸

其他操作

函数 说明
split_plot() 分面
remove_legend() 移除图例
view_plot() 查看图形
save_plot() 保存图形

常见问题

1. tidyplots 和 ggplot2 哪个更好？

tidyplots 是基于 ggplot2 的封装，两者可以互补：

  • 快速作图：用 tidyplots
  • 高度定制：用 ggplot2
  • 混合使用：tidyplots 创建基础图，ggplot2 添加细节

2. 如何添加中文标签？

study |>
  tidyplot(x = treatment, y = score, color = treatment) |>
  add_mean_bar() |>
  adjust_title("实验结果") |>
  adjust_x_axis_title("分组") |>
  adjust_y_axis_title("得分")

3. 如何导出高分辨率图片？

# 使用 save_plot 指定 dpi
p |> save_plot("figure.png", dpi = 600, width = 12, height = 8)

# 或结合 ggplot2::ggsave + ragg
ggsave("figure.png", p, device = ragg::agg_png, dpi = 300)

总结

tidyplots 的核心优势：

  1. 极简语法：管道式操作，一行代码一个功能
  2. 专业默认：开箱即用的学术主题和配色
  3. 统计内置：自动计算并标注 p 值
  4. 完全兼容：可与 ggplot2 无缝结合

推荐学习路径：

  1. 掌握 tidyplot() |> add_*() 基本模式
  2. 学习 adjust_*() 调整样式
  3. 探索统计标注功能
  4. 结合 ggplot2 实现高级定制

参考资源：