写在前面
ggplot2是一款风靡全球的绘图R包，可惜的是，我对它的理解只能到入门的水平，本着在实战中学习的理念，我就搜索一下往后可能用得到的图，进行揣摩和优化，然后我发现了一个师兄的公众号，遂跟着这个师兄学习R绘图。公众号在文末。
这当然无法达到我们发文章的要求，需要对其进行美化一下。
美化后的效果：
对上述几个参数进行解读：
参考链接：
1.绘图 https://mp.weixin.qq.com/s/n6TZoEADyDFcGzSzoGxlsg
2.paletteer documentation： https://www.rdocumentation.org/packages/paletteer/versions/1.4.0
3.grDevices documentation： https://astrostatistics.psu.edu/su07/R/html/grDevices/html/palettes.html
离散型变量系列：
配色确实有那味了，但是没想到内置的颜色不够用，可能通路少一点会好。
连续型变量系列：
然后我发现，不管添不添加配色，都是和默认的配色保持一致，目前猜测可能是颜色不够导致的。
后记2
1.ggsci https://www.rdocumentation.org/packages/ggsci/versions/2.9
2. https://stackoverflow.com/questions/43359050/error-continuous-value-supplied-to-discrete-scale-in-default-data-set-example
在微生物β-diversity分析中常用距离矩阵(unifrac)做PcoA聚类分析，以观察不同组间物种构成的差异。结合针对距离矩阵的MANOVA统计检验结果，总结出组间物种构成差异的显著性。通过将各点PcoA结果坐标绘制在二维平面图上，并加上confidence ellipses进行可视化。
置信椭圆的算法复杂，背后有很多繁杂的数学原理，在这里不深究，只是了解置信椭圆在本例中用于高维数据中，像95%置信区间一样，在一组数据中随机抽取一个样本，其落在这个区间（域）内的概率为95%。在图中展现了数据集中的范围。再结合MANOVA统计检验结果，能更直观的看出有差异的组别。
每个向量代表一个数据类型为连续的环境变量，在这里即4中不同的width和length。
每个向量的 方向 环境变量发生变化最快的方向；向量的 长度 表示环境变量与分组的关系。 其与PcoA绘制在一起的意义为结合关键环境变量解读，通过向量的方向，长短及显著性，了解哪些环境变量的变化会趋向构成组间差异，且这样的差异有意义。起到筛选关键环境变量的作用 。在下图中，可以解读为Petal.Length和Petal.Width值越大，样本越趋近versicolor和virginica这两个物种类别。
ggpubr中的ggscatter(), ggboxplot()...等等函数，在绘制较复杂设置较多的图时比较方便，参数一目了然。如果用ggplot2可能会稍繁琐一些。要根据实际情况选择使用哪种。
ggsci包就是各种sci-fi主题的调色盘！！！！有人做了我一直想做的事！！！！！！
除了辛普森一家，星际迷航，也有各种大牌期刊里图表的配色，与ggplot2,ggpubr无缝兼容，直接使用 scale_color_rickandmorty() 及 scale_fill_rickandmorty()
参考链接：
http://ggplot2.tidyverse.org/reference/stat_ellipse.html
https://cran.r-project.org/web/packages/ggsci/vignettes/ggsci.html
vegan包中对ordination的文档:
https://cran.r-project.org/web/packages/vegan/vignettes/intro-vegan.pdf
