关于双分组(时间点+分组)折线图绘制(带散点,带mean+sd,带显著性)

ggplot(food, aes(x=Days, y=Food,fill=Groups,color=Groups,shape=Groups))+
  geom_linerange(aes(ymin=Food, ymax=Food+sd),size=1.1,show.legend = F)+ #画从mean到上bar的线
  geom_errorbar(aes(ymin=Food+sd, ymax=Food+sd), width=2,size=1.1,show.legend = F)+ #画“上bar”
  geom_line(size=1.1,show.legend = F)+ #连接各平均值
  geom_point(size=4,alpha=0.8)+ #绘制平均值点
  geom_jitter(size=1.1,alpha=0.8,position = position_jitterdodge(),data = intake,show.legend = F)+ #加载原始数据集绘制散点图
  annotate(geom = "text",x=c(7,14,21,28,35,42),y=c(3.46,3.45,3.41,3.44,3.33,3.13),label=c("**","**","**","**","","**"),size=7)+ #加显著性,此处已经额外计算好
  scale_x_continuous(breaks = c(7,14,21,28,35,42))

此种图是先计算再画图,好处是对理解ggplot运行原理很有帮助,坏处是加显著性比较困难,且再添加散点图还要重新加载原始数据集,较为繁琐
下面介绍更好使的,ggpubr包中的ggline

ggline(intake, x="Days", y="Food", plot_type = "l",size = 1.1,
       add = c("mean_sd","jitter"),error.plot = "upper_errorbar",
       color = "Groups",shape = "Groups",fill="Groups",
       add.params=list(color = "Groups",shape = "Groups",fill="Groups"))+
  stat_compare_means(aes(group=Groups), label = "p.signif",label.y = 3.5,size=7,
                     symnum.args = list(cutpoints = c(0,0.0001,0.001,0.01,0.05,1),
                                        symbols = c("****","***","**","*", "")))+
  scale_x_discrete(breaks = c(7,14,21,28,35,42))#此处与前面不一,一个连续,一个离散

这个是出图方便,不需重新加载数据集,坏处是平均值附近的横线(也就是下“bar”)去不掉,影响美观,同时对于连续不等间距分隔的数据不甚友好,其会始终等间距分割,还有还有,无法为每一个星号定义一个位置y
最新发现:当一个时间点有多个组别时完全gg,只能显示一个p值,是kruskal.test或anova的全局数值

具体爱用那个就仁者见仁智者见智了

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 219,427评论 6 508
  • 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 93,551评论 3 395
  • 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 165,747评论 0 356
  • 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 58,939评论 1 295
  • 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 67,955评论 6 392
  • 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 51,737评论 1 305
  • 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 40,448评论 3 420
  • 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 39,352评论 0 276
  • 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 45,834评论 1 317
  • 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 37,992评论 3 338
  • 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 40,133评论 1 351
  • 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 35,815评论 5 346
  • 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 41,477评论 3 331
  • 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 32,022评论 0 22
  • 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 33,147评论 1 272
  • 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 48,398评论 3 373
  • 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 45,077评论 2 355

推荐阅读更多精彩内容