矩阵数据
load(file='step1-output.RData')
dat[1:4,1:4]
table(group_list) #分组信息
boxplot(dat[1,]~group_list)
t.test(dat[1,]~group_list) #p=0.00998有显著性差异
library(ggpubr)
df <- data.frame(gene=dat[1,], stage=group_list) #比较下一个基因可以改为dat[2,]
p <- ggboxplot(df, x = "stage", y = "gene",
color = "stage", palette = "jco",
add = "jitter")
p+stat_compare_means() #p值和之前不一样，因为换了一种统计学检验方法
4aadcc9a19963ab51432b0da6a79dcb4.jpg
方法二,取得了数据框数据后：
image.png
#两样本t检验
dat= frame
dat= frame[frame$group1 %in% c("eCRSwNP","nCRSwNP"),]
#判断方差齐性
library(car)
leveneTest(OSM~as.factor(group1), data=dat)
#方差齐时，参数var.equal设定为T，即进行Student T检验。
#方差不齐时，参数var.equal使用默认的F，则进行Welch检验
t.test(OSM~as.factor(group1),data=dat, var.equal=F)
#秩和检验
wilcox.test(OSM~as.factor(group1),data=dat, var.equal=F)
#多样本anova
ano =aov(OSM~as.factor(group1),data = dat)
ano
tuk<- TukeyHSD(ano,data = dat, conf.level = 0.95)
tuk
