本期内容为[跟着NC学作图]--箱线图（一个函数获得Mean、SD、P值）-- 箱线图我们在以前的教程中分享过，但是计算P值和差异性感觉还是比较复杂的。我们今天看看发表在NC上文章是如何计算的。就是简单的一行代码就可以实现。但是，今天分享的数据仅只有2个数据集而已。对于多少数据集，还是推荐我们的以前的教程[[R语言可视化-精美图形绘制系列]--显著性箱线图](http://mp.weixin.qq.com/s?
代码部分：
- 导入数据
my_comparisons <- read.csv("20221123.inputdata.csv", header = T)
my_comparisons <- list(c("No","Yes")
##
melted_cormat[1:5,1:5]
Var1 Var2 value timepoint1 sample1
2 VPC_177_PRO1 VPC_165_PRO2 0.33 PRO1 177
3 VPC_164_BL VPC_165_PRO2 0.93 BL 164
4 VPC_177_BL VPC_165_PRO2 0.35 BL 177
5 VPC_191_BL VPC_165_PRO2 0.94 BL 191
6 VPC_193_PRO1 VPC_165_PRO2 0.88 PRO1 193
head(my_comparisons)
[[1]]
[1] "No" "Yes"
- 绘图，直接上手ggpot()
ggplot(melted_cormat,aes(x=same, y=value))+
geom_boxplot( outlier.shape = NA)+
geom_jitter(position=position_jitter(0.2),color="gray")+
## 使用lans函数修改X和Y轴
labs(x=NULL,y="Pearson correlation coefficient")+
theme_classic()+
guides(color=guide_legend(title=NULL))+
theme(legend.position ="none")+
## 计算Mean和SD值
stat_n_text()+stat_mean_sd_text()+
## 添加显著性
stat_compare_means(comparisons = my_comparisons,#label = "p.signif",
method = "wilcox.test",hide.ns=TRUE,size=4)
显示显著性，使用stat_compare_means（）行数
stat_compare_means(comparisons = my_comparisons,label = "p.signif",
method = "wilcox.test",hide.ns=TRUE,size=4)
如果你不喜欢这样“素”的图形，你可添加填充色即可！
ggplot(melted_cormat.sub,aes(x=same, y=value, fill = same))+
geom_boxplot( outlier.shape = NA,)+
geom_jitter(position=position_jitter(0.2),color="gray")+
labs(x=NULL,y="Pearson correlation coefficient")+
theme_classic()+
guides(color=guide_legend(title=NULL))+theme(legend.position ="none")+
stat_compare_means(comparisons = my_comparisons,#label = "p.signif",
method = "wilcox.test",hide.ns=TRUE)+
stat_n_text()+stat_mean_sd_text()
往期文章（总汇）
07-[R语言可视化-精美图形绘制系列]--Mental分析
08-[R语言可视化-精美图形绘制系列--复杂热图+两图渐变连线]-【转载】
09-[R语言可视化-精美图形绘制系列--桑基图（Sankey）]
10-[R语言可视化-精美图形绘制系列--柱状图误差线标记]
12-[R语言可视化-精美图形绘制系列--GO、KEGG富集通路关联图]
14-2[R语言可视化]--箱线图不同的画法及参数设置 | 学习笔记
16-[R语言可视化-精美图形绘制系列]--主成分分析（PCA）
--
小杜的生信筆記 ，主要发表或收录生物信息学的教程，以及基于R的分析和可视化（包括数据分析，图形绘制等）；分享感兴趣的文献和学习资料！
