1.安装加载显示中文包
install.packages("sysfonts")
install.packages("showtext")
library(showtext) # 渲染字体包
library(sysfonts) # 安装字体包
library(ggsci)#sci配色
library(reshape2)#融合数据
library(ggplot2)#绘图工具
library(openxlsx)#excel文件读取包
2.显示中文
showtext.auto(enable=T)#全局使用showtext渲染字体
3.数据读取处理
df<- read.csv("***.csv",header=TRUE, check.names=FALSE)
#header=T表示数据表中第一行是名称；
#check.names=F表示对名称不进行检测是否是数字（如果是数字系统默认进行排序）
数据读取
df<-melt(df,na.rm = T)
#对数据表进行统计重新排列；na.rm=T表示删除缺失值
按照列进行重新排列
colnames(df) <- c("***","***")
#对数据集行名进行重命名
行重命名
4.作图
p <- ggplot(data=数据集名,mapping=aes(x=***,y=***,color=***,······))+
#data:表示用于作图的数据；mapping:使用aes函数使数据与图层进行关联）
#aes()常见的映射选项包括
#1.x和y用于指定x轴和y轴映射的变量
#2.color：映射点或线的颜色
#3.fill：映射填充区域的颜色
#4.linetype：映射图形的线形（1=实线、2=虚线、3=点、4=点破折号、5=长破折号、6=双破折号）
#5.size：点的尺寸和线的宽度
#6.shape：映射点的形状
#7.group：默认情况下ggplot2把所有观测点分为了一组。
#如果需要把观测点按额外的离散变量进行分组处理, 必须修改默认的分组设置
p <- ggplot(data=df,mapping=aes(x=日期,y=地区))+
geom_point()+
geom_boxplot()
p <- ggplot(df)+
geom_point(mapping=aes(x=日期,y=含量))+
geom_boxplot(mapping=aes(x=日期,y=含量))
结果相同
结果相同
p1<-ggplot(data = df,mapping = aes(x=日期,y=含量,color=日期))+
geom_point()+
geom_boxplot()
p1
p2<-ggplot(data = df)+
geom_point(mapping = aes(x=日期,y=含量,color=日期))+
geom_boxplot(mapping = aes(x=日期,y=含量,color=日期))
p2
在ggplot()中映射数据和在几何对象中效果相同
p1<-ggplot(data = df)+
geom_point(mapping = aes(x=日期,y=含量,color=日期),show.legend = F)+
geom_boxplot(mapping = aes(x=日期,y=含量,color=日期),show.legend = F)
p1
p2<-ggplot(data = df)+
geom_point(mapping = aes(x=日期,y=含量,color=日期))+
geom_boxplot(mapping = aes(x=日期,y=含量,color=日期))
p2
p3<-ggplot(data = df)+
geom_point(mapping = aes(x=日期,y=含量,color=日期))+
geom_boxplot(mapping = aes(x=日期,y=含量,color=日期),show.legend = F)
p3
p4<-ggplot(data = df)+
geom_point(mapping = aes(x=日期,y=含量,color=日期),show.legend = F)+
geom_boxplot(mapping = aes(x=日期,y=含量,color=日期))
p4
grid.arrange(p1, p2,p3,p4,ncol=2,nrow=2)
图一：标例全删；图二：标例全保留；图三：删除geom_boxplot表例；图四：删除geom_point标例
p1<-ggplot(data = df,mapping = aes(x=日期,y=含量,color=日期))+
geom_point(show.legend = F)+
geom_boxplot(outlier.colour="red", outlier.shape=1, outlier.size=3)+
stat_boxplot(geom = "errorbar",width=0.15)#添加误差线
p1
添加误差线和标记突出点
p1<-ggplot(data = df,mapping = aes(x=日期,y=含量,color=日期))+
geom_point(show.legend = F)+
geom_boxplot(outlier.colour="red", outlier.shape=1, outlier.size=4)+
stat_boxplot(geom = "errorbar",width=0.16)+#添加误差线
labs(x="日期",y="含量",title = "浸出物含量")+
theme_bw()+
theme(panel.grid.major=element_line(colour=NA),
panel.background = element_rect(fill = "transparent",colour = NA),
plot.background = element_rect(fill = "transparent",colour = NA),
panel.grid.minor = element_blank(),
legend.position = c(0.88,0.75),
legend.box.background = element_rect(color="black",linetype = "dashed"),
text = element_text(family = "STXihei"),
axis.title.x=element_text(vjust=1, size=18,face = "bold"),
axis.title.y=element_text(vjust=1, size=18,face = "bold"),
axis.text.x=element_text(vjust=1,size=14,face = "bold"),
axis.text.y=element_text(vjust=1,size=14,face = "bold"),
legend.key.size = unit(20, "pt"),
legend.text=element_text(size=14),
legend.title =element_text(size=14),
plot.title = element_text(hjust = 0.5,size = 20))
p1
设置主题
利用ggpubr中的函数compare_means()进行差异显著性检验
compare_means(formula, data, method = "wilcox.test", paired = FALSE,
group.by = NULL, ref.group = NULL, ...)
formula：指定一个公式，公式形式为 x ~ group，其中，x 表示一个数值型变量，group 表示一个因子型变量，包含一个或多个水平。例如，一个示例公式为 formula = TP53 ~ cancer_group，表示在 cancer_group 对应的各水平间比较TP53的表达水平；也可以同时指定多个响应变量，如 formula = c(TP53, PTEN) ~ cancer_group。
data：指定一个数据框(data.frame)，数据框需包含formula中的变量。
method：指定统计检验的方法。默认为“wilcox.test”，即Wilcoxon检验（非参数检验）；也可指定其他统计方法：
“t.test”，即T检验（参数检验）。“t.test”和“wilcox.test”用于两组样本间的比较。当超过两组时，将会执行两两比较(pairwise comparison)。
“anova”（参数检验）或 “kruskal.test”（非参数检验），用于执行多组间的单因素方差分析。
paired：指定一个逻辑变量，表示是否需要执行配对检验，仅适用于t.test 和wilcox.test。
group.by：指定一个分组变量的字符名，用于在统计检验之前对数据进行分组。当存在group.by指定的变量时，均值比较将在不同水平的各个子集数据中执行。
ref.group：指定一个组别的字符名，作为对照组(reference group)。如果指定，各个分组水平将与对照组水平进行比较。也可指定ref.group为“.all.”，表示每个分组水平将于所有分组水平（如base-mean）进行比较。
stat_compare_means(mapping = NULL, comparisons = NULL hide.ns = FALSE,
label = NULL, label.x = NULL, label.y = NULL, ...)
mapping：通过 aes() 设置绘图时的aesthetic
comparisons：指定一个列表(list)，每个列表元素需为长度等于2的向量。向量的内容可以为X轴的两个组别名（字符型），也可以是两个感兴趣组的组别索引（整数值），表示采用指定的两个组别进行比较。
hide.ns：逻辑变量，如果设为TRUE，显示显著性水平时将隐藏 ns 字样，即组间差异不显著时不显示 ns 字样。
label：指定一个字符串，表示标签类型。可为：“p.signif”（显示显著性水平），“p.format”（显示格式化的P值）。
label.x, label.y：指定一个数值，表示显示标签的绝对坐标位置。
…：传递给函数compare_means()的参数，如method、paired、ref.group。
## # A tibble: 1 x 8
## .y. group1 group2 p p.adj p.format p.signif method
##
## 1 len OJ VC 0.0645 0.0645 0.064 ns Wilcoxon
.y.：用于统计检验的数值变量
p：P值
p.adj：调整后的P值，调整P值的默认方法为p.adjust.method = “holm”
p.format: 格式化的P值
p.signif：显著性水平，即用不同数量的 * 表示显著性水平
method：用于组间比较的统计方法
显示P值的标签位置可以通过如下参数来调整：label.x, label.y, hjust 和vjust。
显示P值的标签默认为 compare_means() 返回值中的 method 和 p 的组合。也可以通过 aes() 函数指定为其他显示形式。例如
aes(label = ..p.format..) 或 aes(label = paste0(“p =”, ..p.format..))
表示只显示格式化的P值，而不显示method
aes(label = ..p.signif..)
表示仅显示显著性水平
aes(label = paste0(..method.., “\n”, “p =”, ..p.format..))
表示在method名和P值之间添加换行符(“\n”)
分组数量大于2个进行两两比较 需要在comparisions中指定两两比较的对象
comparisons <- list( c("0.5", "1"), c("1", "2"), c("0.5", "2") )
将多组中的每一组与“.all.”（如base-mean）比较。当检验结果显著时，可以得出结论：与所有组相比，xxx组的***的表达水平显著降低或显著升高。
stat_compare_means(含量~日期,data=df, label = "p.signif", method = "t.test",
ref.group = ".all.",label.y=c(*,*,*,*))
+
geom_hline(yintercept = mean(myeloma$DEPDC1), linetype = 2)#添加多组平均值虚线
p1<-ggplot(data = df,mapping = aes(x=日期,y=含量,color=日期,shape=日期))+
geom_boxplot(outlier.colour="red", outlier.shape=1, outlier.size=4)+
geom_point(show.legend = F,size=2)+
stat_boxplot(geom = "errorbar",width=0.16)+#添加误差线
labs(x="日期",y="含量(%)",title = "浸出物含量")+
theme_bw()+
theme(panel.grid.major=element_line(colour=NA),
panel.background = element_rect(fill = "transparent",colour = NA),
plot.background = element_rect(fill = "transparent",colour = NA),
panel.grid.minor = element_blank(),
legend.position = c(0.88,0.75),
legend.box.background = element_rect(color="black",linetype = "dashed"),
text = element_text(family = "STXihei"),
axis.title.x=element_text(vjust=1, size=18,face = "bold"),
axis.title.y=element_text(vjust=1, size=18,face = "bold"),
axis.text.x=element_text(vjust=1,size=14,face = "bold"),
axis.text.y=element_text(vjust=1,size=14,face = "bold"),
legend.key.size = unit(20, "pt"),
legend.text=element_text(size=14),
legend.title =element_text(size=14),
plot.title = element_text(hjust = 0.5,size = 20))+
geom_hline(yintercept = mean(df$含量), linetype = 2)+
stat_compare_means(method = "anova",label.y = 38,show.legend = F) +
stat_compare_means(aes(label = ..p.signif..), method = "t.test",ref.group = ".all.",label.y=c(33,33,28.5,29,31.5),show.legend=F)
p1
与所有组相比，8月中旬浸出物含量显著降低
library(ggpubr)
df<- read.csv("不同日期箱型图.csv",header=TRUE, check.names=FALSE)
df<-melt(df,na.rm = T)
colnames(df) <- c("日期","含量")
p1<-ggplot(data = df,mapping = aes(x=日期,y=含量,color=日期,shape=日期))+
geom_boxplot(outlier.colour="red", outlier.shape=1, outlier.size=4)+
geom_point(show.legend = F,size=2)+
stat_boxplot(geom = "errorbar",width=0.16)+#添加误差线
labs(x="日期",y="含量(%)",title = "浸出物含量")+
theme_bw()+
theme(panel.grid.major=element_line(colour=NA),
panel.background = element_rect(fill = "transparent",colour = NA),
plot.background = element_rect(fill = "transparent",colour = NA),
panel.grid.minor = element_blank(),
legend.position = c(0.88,0.75),
legend.box.background = element_rect(color="black",linetype = "dashed"),
text = element_text(family = "STXihei"),
axis.title.x=element_text(vjust=1, size=18,face = "bold"),
axis.title.y=element_text(vjust=1, size=18,face = "bold"),
axis.text.x=element_text(vjust=1,size=14,face = "bold"),
axis.text.y=element_text(vjust=1,size=14,face = "bold"),
legend.key.size = unit(20, "pt"),
legend.text=element_text(size=14),
legend.title =element_text(size=14),
plot.title = element_text(hjust = 0.5,size = 20))+
geom_hline(yintercept = mean(df$含量), linetype = 2)+
stat_compare_means(method = "anova",label.y = 38,show.legend = F) +
stat_compare_means(aes(label = ..p.signif..), method = "t.test",ref.group = ".all.",label.y=c(33,33,28,29,31.5),show.legend=F)
p2 <- ggplot(data = df,mapping = aes(x=日期,y=含量,color=日期,shape=日期))+
geom_boxplot(outlier.colour="red", outlier.shape=1, outlier.size=4)+
geom_point(show.legend = F,size=2)+
stat_boxplot(geom = "errorbar",width=0.16)+#添加误差线
labs(x="日期",y="含量(%)",title = "浸出物含量")+
theme_bw()+
theme(panel.grid.major=element_line(colour=NA),
panel.background = element_rect(fill = "transparent",colour = NA),
plot.background = element_rect(fill = "transparent",colour = NA),
panel.grid.minor = element_blank(),
legend.position = c(0.88,0.75),
legend.box.background = element_rect(color="black",linetype = "dashed"),
text = element_text(family = "STXihei"),
axis.title.x=element_text(vjust=1, size=18,face = "bold"),
axis.title.y=element_text(vjust=1, size=18,face = "bold"),
axis.text.x=element_text(vjust=1,size=14,face = "bold"),
axis.text.y=element_text(vjust=1,size=14,face = "bold"),
legend.key.size = unit(20, "pt"),
legend.text=element_text(size=14),
legend.title =element_text(size=14),
plot.title = element_text(hjust = 0.5,size = 20))+
geom_hline(yintercept = mean(df$含量), linetype = 2)+
stat_compare_means(method = "anova",label.y = 38,show.legend = F) +
stat_compare_means(aes(label = ..p.signif..), method = "t.test",ref.group = ".all.",label.y=c(33,33,28,29,31.5),show.legend=F)+
annotate("text", x=2 , y=37 ,label="农大药园")+
annotate("text", x= 4, y=35 ,label="农大药园" )+
annotate("text", x= 5, y=37.5 ,label="农大药园" )
p1
p2
mycomparision <- list(c("6月中旬","7月下旬"),c("7月下旬","8月中旬"),c("8月中旬","8月下旬"),c("8月下旬","9月上旬"))
grid.arrange(p1, p2,ncol=2)
添加注释信息
