R语言-柱形图模板

library(ggplot2)
library(reshape2)
library(ggthemr)
library(ggsignif)

WORD_SIZE="15"
data=read.table("data.csv",sep=",",header = T,row.names = 1,check.names = F)
pain=data[,c(1,2,3,4,5,13)]
#对数据整合后计算均值与标准差aggregate(计算数值向量,by=list(分组折叠因子),计算函数)
mean.pain=aggregate(pain[,c(1,2,3,4,5)],by=list(pain$手术方式),mean)
sd.pain=aggregate(pain[,c(1,2,3,4,5)],by=list(pain$手术方式),sd)
data2=rbind(mean.pain,sd.pain)
colnames(data2)[1]=c("手术方式")
data2[,1]=c("胸腔镜","机器人","胸腔镜","机器人")
data3=melt(data2[c(1,2),])
data4=melt(data2[c(3,4),])
data5=cbind(data3,data4$value)
colnames(data5)[2:4]=c("疼痛","均值","标准差")

#做T检验
t.test(pain$`8h`~手术方式,data = pain)
t.test(pain$`12h`~手术方式,data = pain)
t.test(pain$`24h`~手术方式,data = pain)
t.test(pain$`48h`~手术方式,data = pain)
t.test(pain$`72h`~手术方式,data = pain)
ggthemr('fresh')

#柱形图排序
sub=factor(data5$手术方式,levels = c("胸腔镜","机器人"))

ggplot(data5,aes(x=疼痛,y=均值,fill=sub))+   #fill填写排序
  geom_bar(stat="identity",position='dodge',width = 0.7)+
  ylim(0,10)+#设置y轴范围
  labs(x='疼痛', y='VAS评分', fill='手术方式')+
  theme(axis.text.x = element_text(size=WORD_SIZE),  # 设置x轴字体大小
        axis.text.y = element_text(size=WORD_SIZE), # 设置y轴字体大小
        axis.title.x = element_text(size=WORD_SIZE), # 设置x轴总标题字体大小,
        axis.title.y = element_text(size=WORD_SIZE),# 设置y轴总标题字体大小
        legend.title = element_text(size=WORD_SIZE),# 设置图例标题字体大小
        legend.text = element_text(size=WORD_SIZE)) + # 设置图例文字标签字体大小
  geom_errorbar(aes(ymin=均值-标准差, ymax=均值+标准差), 
                width=0.2,color='black',
                position=position_dodge(0.7))+#设置误差线分组间间距大小
  geom_signif(y_position=c(7.5), xmin=c(2.8), xmax=c(3.1),  # 设置显著性说明,y_position是误差线所在y轴位置,xmin和xmax是误差线在x轴位置,可传入多个值
              annotation=c("*"), tip_length=0.1, size=0.8, textsize = 10,  # 显著性标识;显著性括号下延长度;大小设置;字体大小
              vjust = 0.2) +# 调整显著性标识和显著性括号之间的距离
  theme(text = element_text(family='STXihei'))#显示中文
输出
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352