以鸢尾花数据集为例，展示如何在R上绘制出显著度和p-value。
加载数据集 & 理解数据集
data(iris)
names(iris)
# [1] "Sepal.Length" "Sepal.Width" "Petal.Length" "Petal.Width" "Species"
分析得到，该数据集总共有5个变量，
4个数值型变量：
Sepal.Length,Sepal.Width,Petal.Length,Petal.Width1个字符串类型的变量：
Species
对分类变量的水平进行查看，得到其总共由3个水平组成：
unique(iris$Species)
# [1] setosa versicolor virginica
# Levels: setosa versicolor virginica
绘制箱线图 & 绘制显著度
选择Sepal.Length，进行setosa、versicolor、virginica 3者之间的显著性检验。
使用R包：
ggplot2，ggpubr以Wilkson秩和检验为例
library(ggplot2)
library(ggpubr)
p_sepallength <- ggplot(data = iris, aes(x = Species, y = Sepal.Length)) +
geom_boxplot(width=0.2, lwd = 1, outlier.size = 3, outlier.alpha = 0.3) +
theme_classic() +
geom_signif(comparisons = list(c("setosa", "versicolor"),
c("setosa", "versicolor"),
c("versicolor", "virginica")),
map_signif_level=FALSE,
textsize=5,
test=wilcox.test,
step_increase=0.2,
size = 1) +
theme(axis.line = element_line(size = 0.5),
axis.ticks = element_line(size = 1),
axis.text = element_text(size = 16),
axis.title = element_text(size = 16))
p_sepallength
# ggsave('2022-6-17-iris-significance-test.png', p_sepallength, width = 6, height = 6, dpi = 600)
结果图1：
结果图2（将p-value改为显著度标识）：
将上述代码中的
map_signif_level=FALSE改为map_signif_level=TRUE
