折线图通常用于动态变化的数据，例如某事件随着时间的变化。本文使用的是分组数据来演示绘制步骤（分组数据最好用柱形图来展示）。

首先看一下我们用到的数据：

列名是浓度，分别是control组，0，25，50，100，200，500μM。共三行，代表三个复孔。

加载需要的R包：

library(reshape2)

library(tidyverse)

library(ggplot2)

导入数据：

data <- read.csv(file = "clipboard",header = T,sep = "\t")

data <- t(data)

data <- as.data.frame(data)   #ggplot包作用于数据框

变换数据成为需要的格式：

data$order <- c(1,2,3,4,5,6,7)  # 排列图中横坐标顺序（折线图中横坐标必须是数字型向量，这里我是按照浓度梯度排列的）

data$sd <- apply(data[,c(1:3)],1,sd)  # 计算标准差，用于画误差棒

data$mean <- apply(data[,c(1:3)],1,mean)  #计算均数，用于画折线图（折线图就是一组数对另一组数画图）

绘图：

ggplot(data,aes(x = order,y = mean))+   # x,y都是数字类型，这里我设置x为1，2，3，4，5，6，7，就是为了排列我想要的横坐标顺序。当然也可以设置成别的顺序，来保证横坐标刻度标签在图中的顺序。

  geom_errorbar(aes(ymin = mean-sd ,ymax = mean + sd),size = 1.2,width = 0.2,color = "gray")+  #添加误差线，这里我第一个函数就是添加误差线，就是为了把误差线画在第一个图层上，这样不会覆盖别的图像。

  geom_line(size = 1.2,color = "black")+  # 第二个图层绘制线图

  geom_point(shape = 16,size = 6,color = rainbow(7))+   #第三个绘制点图，并设置点的形状（可以直接赋值因子向量，也可以直接赋值数字向量，或者直接赋值数字，都对应这不同的形状）

  labs(x = expression(paste("Dose (",mu,"M)")),y = "Relative number of apoptosis(%)")+

  coord_cartesian(ylim = c(10,40))+

  scale_x_discrete(limits = factor(seq(1,7,1)),labels = c("control","0","25","50","100","200","500"))+ # 设置横轴的刻度标签。

  theme(panel.background = element_blank(),

        panel.grid.major.y = element_line(colour = "grey",linetype = 2),

        axis.line = element_line(colour = "black",size = rel(2),arrow = arrow(angle = 30,length = unit(0.1,"inches"))),

        axis.title = element_text(size = rel(1.2)),

        axis.text.x = element_text(size = rel(1.5),hjust = 0.5),

        axis.text.y = element_text(hjust = 1,size = rel(1.5)),

        axis.ticks = element_line(size = rel(1.5)),

        plot.margin = margin(15,9,9,9))

#之前在柱形图里讲到的geom_signif函数只能进行两两比较（t检验，秩和检验），因此不适用于分组很多的变量。这时可以先用R语言进行方差分析，并进行两两比较，把有差异的两组用geom_segment和geom_text函数自己加到图中。或者使用我们后面会讲到的别的函数来绘制（卖个关子，嘿嘿）。

最终结果：