4  第四部分：畫出論文等級的圖

本部分預計時間：40 分鐘

在第三部分，你已經學會用 gtsummary 做出 Table 1。現在我們要用 ggplot2 畫出論文等級的圖表。

我有資料框 patient_data（欄位：treatment A/B、age、gender M/F、los 住院天數）。請用 ggplot2 和 ggsci 幫我一次完成：

  1. 畫一個盒狀圖比較兩組 los，使用 JAMA 配色，加上標題「兩組治療的住院天數比較」，中文軸標籤
  2. 在盒狀圖上疊加 jitter 資料點
  3. 畫一個性別分佈長條圖、一個 age vs los 散佈圖（含趨勢線）、一個 los 直方圖
  4. 用 patchwork 把以上四張圖組合成一張大圖
  5. 把組合圖存成 PNG（300 dpi, 12×8 inch）和 SVG

給我一個從 read.csv() 到 ggsave() 一次跑完的完整 script，加上中文註解。

4.1 任務 15：第一個盒狀圖

📋 複製這段話，貼給 AI：

我有一個資料框 patient_data，裡面有 treatment（A 或 B 兩組）和 los（住院天數）。請用 ggplot2 畫一個盒狀圖，比較兩組的住院天數分佈。

4.1.1 基本盒狀圖

library(ggplot2)

# 讀取資料
patient_data <- read.csv("patient_data.csv")

# 畫基本盒狀圖（字型已由 _common.R 全域設定）
ggplot(patient_data, aes(x = treatment, y = los)) +
  geom_boxplot()

4.2 任務 16：讓圖變專業

📋 複製這段話，貼給 AI：

請幫我美化這個盒狀圖：

  1. 加上標題「兩組治療的住院天數比較」
  2. X 軸標籤改成「治療組別」，Y 軸改成「住院天數（天）」
  3. 用 Noto Sans TC（Google Fonts）作為中文字體
  4. 使用 ggsci 的 JAMA 風格配色
  5. 不要顯示圖例（因為 X 軸已經說明了）

本專案使用 Google Fonts 的 Noto Sans TC 作為中文字型，透過 sysfonts::font_add_google() 自動下載，無需手動安裝。

其他推薦的美化套件：ggthemr, hrbrthemes, tvthemes, ggthemes, viridis, scico

4.2.1 專業化盒狀圖

# 載入 ggsci 套件（提供期刊風格配色）
library(ggsci)

# 畫專業的盒狀圖（使用 JAMA 配色，字型已由 _common.R 全域設定）
ggplot(patient_data, aes(x = treatment, y = los, fill = treatment)) +
  geom_boxplot() +
  scale_fill_jama() +
  labs(
    title = "兩組治療的住院天數比較",
    x = "治療組別",
    y = "住院天數（天）"
  ) +
  theme(legend.position = "none")

4.3 任務 17：加上資料點

📋 複製這段話，貼給 AI：

我想在盒狀圖上面疊加個別的資料點，讓讀者可以看到實際的分佈。但資料點不要完全重疊，要有一點水平的隨機散開。請修改程式碼。

4.3.1 加入資料點的盒狀圖

# 盒狀圖加上資料點
ggplot(patient_data, aes(x = treatment, y = los, fill = treatment)) +
  geom_boxplot(alpha = 0.7) +
  geom_jitter(width = 0.2, alpha = 0.5, size = 2) +
  scale_fill_jama() +
  labs(
    title = "兩組治療的住院天數比較",
    x = "治療組別",
    y = "住院天數（天）"
  ) +
  theme(legend.position = "none")

4.4 任務 18：其他類型的圖

📋 選一個你有興趣的，貼給 AI：

選項 A (長條圖)：

請用 ggplot2 畫一個長條圖，顯示 patient_data 裡面 gender 的人數分佈。

選項 B (散佈圖)：

請用 ggplot2 畫一個散佈圖，X 軸是 age，Y 軸是 los，我想看年齡和住院天數有沒有關係。

選項 C (直方圖)：

請用 ggplot2 畫一個直方圖，顯示 los 的分佈。

可以用 patchwork1 把多張圖整合在一起。其他進階套件：ggdist、ggtext、ggiraph、ggh4x。

4.4.1 長條圖範例

# 性別分佈長條圖
ggplot(patient_data, aes(x = gender, fill = gender)) +
  geom_bar() +
  scale_fill_jama() +
  labs(
    title = "性別分佈",
    x = "性別",
    y = "人數"
  ) +
  theme(legend.position = "none")

4.4.2 散佈圖範例

# 年齡與住院天數散佈圖
ggplot(patient_data, aes(x = age, y = los, color = treatment)) +
  geom_point(size = 3, alpha = 0.6) +
  geom_smooth(method = "lm", se = TRUE) +
  scale_color_jama() +
  labs(
    title = "年齡與住院天數的關係",
    x = "年齡（歲）",
    y = "住院天數（天）",
    color = "治療組別"
  )

4.4.3 直方圖範例

# 住院天數分佈直方圖
ggplot(patient_data, aes(x = los, fill = treatment)) +
  geom_histogram(binwidth = 2, alpha = 0.7, position = "dodge") +
  scale_fill_jama() +
  labs(
    title = "住院天數分佈",
    x = "住院天數（天）",
    y = "人數",
    fill = "治療組別"
  )

4.4.4 使用 patchwork 整合多張圖

library(patchwork)

# 建立三張圖（字型已由 _common.R 全域設定）
p1 <- ggplot(patient_data, aes(x = treatment, y = los, fill = treatment)) +
  geom_boxplot() + scale_fill_jama() +
  theme(legend.position = "none") + labs(title = "A. 盒狀圖")

p2 <- ggplot(patient_data, aes(x = age, y = los, color = treatment)) +
  geom_point() + scale_color_jama() +
  labs(title = "B. 散佈圖")

p3 <- ggplot(patient_data, aes(x = los, fill = treatment)) +
  geom_histogram(binwidth = 2, alpha = 0.7) + scale_fill_jama() +
  labs(title = "C. 直方圖")

# 用 patchwork 組合
(p1 | p2) / p3 + plot_annotation(title = "綜合圖表分析")

4.5 任務 19：存檔你的圖

📋 複製這段話，貼給 AI：

我畫好了一張 ggplot2 的圖，想要存成 PNG 檔案，解析度要夠高可以放在論文裡（300 dpi），大小大約是 8×6 英吋。請給我存檔的程式碼。 接著用 svglite 存成 svg 檔（請先下載 svglite）

4.5.1 儲存高品質圖檔

# 儲存為 PNG 檔（點陣圖，適合網頁和簡報）
ggsave(
  filename = "boxplot_comparison.png",
  width = 8,
  height = 6,
  dpi = 300,
  units = "in"
)

print("圖表已成功儲存為 boxplot_comparison.png")

# 儲存為 SVG 檔（向量圖，適合論文和縮放）
library(svglite)

ggsave(
  filename = "boxplot_comparison.svg",
  width = 8,
  height = 6,
  units = "in",
  device = svglite
)

print("圖表已成功儲存為 boxplot_comparison.svg")
1.
Pedersen TL. Patchwork: The Composer of Plots.; 2024. https://CRAN.R-project.org/package=patchwork