EasyStat 差异分析完整解决方案

(用这次的教程就可以了,之前我推动的教程可以都不用功看了,我会逐渐删除)

本次更新:

  • 修改整个R包,包括包名;安装EasyStat包,本次安装包只要你可以用下载,应该可以安装成功。因为我已经将全部的依赖都写好了.

  • 增加多组展示同一张图的可视化方式。

  • 修改字母标记无法显示完整问题

  • 增加line展示差异ns是否显示的参数。

  • 增加线柱图展示。参考(NBT线虫工程菌)。

  • 去除标记调整位置参数。

EasyStat 使用指南

导入包和数据,数据均来自真实试验和文公开文献下载,通过调整分组加入。

# 导入差异分析包
library(EasyStat)
library(ggplot2)# 用于作图
library("dplyr")# 用于数据处理

#使用内置数据1
data(data_wt)

#内置数据2
data(env)

基于单个指标的统计分析

正态检验和方差齐性分析,使用?NorNorCVTest查看帮助信息

# 使用?NorNorCVTest查看帮助信息
##使用案例
NorCV = NorNorCVTest(data = data_wt, i= 4,method_cv = "leveneTest")
#提取正态检验结果
NorCV[[1]]
## No Name W p.value norm.test
## 1 1 CF 0.9385422 0.6474760 Norm
## 2 2 CK 0.9306138 0.5848500 Norm
## 3 3 Rhi 0.9651627 0.8585061 Norm
## 4 4 WT 0.9756280 0.9278774 Norm
## 5 Test Method: Shapiro-Wilk NA NA <NA>
#提取方差齐性检验结果
NorCV[[2]]
## [1] 0.247

norm.test会按照分组告诉大家是否符合正态分布。

方差分析(aovMcomper)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

# ?aovMcomper
result= aovMcomper (data = data_wt, i= 6,method_Mc = "Tukey")
# 提取多重比较结果
result[[1]]
## groups group
## CF a CF
## CK a CK
## Rhi b Rhi
## WT a WT
#提取方差检验结果
result[[2]]
## Call:
## aov(formula = count ~ group, data = ss)
##
## Terms:
## group Residuals
## Sum of Squares 169573500000 3387000000
## Deg. of Freedom 3 20
##
## Residual standard error: 13013.45
## Estimated effects may be unbalanced

结果中多重比较的展示全部使用字母表示了,虽然许多多种比较方法默认展示方式不同,但是我已经在包中将这些展示方式调整一致为字母。

非参数检验

两个参数代表的意义与方差分析的两个相同;

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

# ?KwWlx
res = KwWlx(data = data_wt, i= 6)
# 调用非参数两两比较结果:字母标记展示
res[[1]]
## groups group
## CF ab CF
## CK a CK
## Rhi c Rhi
## WT b WT
#表格展示两两之间差异结果
res[[2]]
## # A tibble: 6 x 8
## .y. group1 group2 p p.adj p.format p.signif method
## <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
## 1 count CF CK 0.123 0.25 0.1228 ns Wilcoxon
## 2 count CF Rhi 0.00470 0.028 0.0047 ** Wilcoxon
## 3 count CF WT 0.864 0.86 0.8643 ns Wilcoxon
## 4 count CK Rhi 0.00470 0.028 0.0047 ** Wilcoxon
## 5 count CK WT 0.0488 0.15 0.0488 * Wilcoxon
## 6 count Rhi WT 0.00470 0.028 0.0047 ** Wilcoxon

差异可视化方案(两种差异表示,三种图形展示)

柱状图展示方差分析或非参数检验结果(aovMuiBarPlot)

在这个包中将差异检测和出图部分分离,方便选择合适的图表和差异可视化的策略。最终要的参数是result :为前面差异分析结果中的第一个表单,格式为第一列差异显著字母,第二列分组标签,列名,分组标签。如果只是用可视化的函数,直接从外面导入类似数据即可。

# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示:柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 6,sig_show ="abc",result = result[[1]])
#提取结果
PlotresultBar[[1]]

# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示:柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 6,sig_show ="line",result = result[[1]])
#提取结果
PlotresultBar[[1]]

#提取方差分析或非参数检验结果
PlotresultBar[[2]]
## Row.names groups group mean SD
## 1 CF a CF 46500 14418.738
## 2 CK a CK 58500 14418.738
## 3 Rhi b Rhi 243000 13007.690
## 4 WT a WT 43000 9612.492
# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示:柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="line",result = result[[1]],ns =TRUE)
#提取结果
PlotresultBar[[1]]

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,第一列是显著性差异字母,第二列是分组group

箱线图展示方差分析或非参数检验结果(aovMuiBoxP)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,第一列是显著性差异字母,第二列是分组group

# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 6,sig_show ="abc",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p

# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 6,sig_show ="line",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p

# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = TRUE)
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p

点柱图-完美解决柱状图无法展示样本信息的缺陷

result= aovMcomper (data = data_wt, i= 6,method_Mc = "Tukey")
# # 提取多重比较结果
result[[1]]
## groups group
## CF a CF
## CK a CK
## Rhi b Rhi
## WT a WT
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = TRUE)## [1] 6#提取图片
p = PlotresultBox[[1]]
p

PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = FALSE)## [1] 6#提取图片
p = PlotresultBox[[1]]
p

EasyStat包为什么能完美解决差异分析呢.因为他比你想象的要强大。下面使用连线形式展示差异,显著的差异按照标注星号,不显著的标注ns。

PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="line",result = result[[1]],ns = TRUE)## [1] 6#提取图片
p = PlotresultBox[[1]]
p

多指标模式

多个指标同时做正态检验和方差齐性分析(MuiNorCV)

这里对多组数据进行分析,结果我是用T或F代表,方便阅读。

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • method_cv:代表选择方差齐性的方法,有两种可供选择:method_cv == “bartlett.test” ;method_cv == “leveneTest”

dim(data_wt)## [1] 24 12# ?MuiNorCV
# 使用案例
norCv = MuiNorCV(data = data_wt,num = c(4:10),method_cv = "leveneTest")
#展示正态检验和方差齐性结果
norCv
## DI cor CV
## [1,] "AP" "TRUE" "TRUE"
## [2,] "bac" "TRUE" "FALSE"
## [3,] "fun" "TRUE" "TRUE"
## [4,] "micro" "TRUE" "TRUE"
## [5,] "NH4.N" "TRUE" "TRUE"
## [6,] "NO3.N" "TRUE" "FALSE"
## [7,] "pH" "TRUE" "TRUE"

这里由于指标比较多,所以我将结果进行简化,直接使用ture和false来提示大家,cor是正态性检测组,cv是方差齐性检测。

多个指标方差检验(MuiaovMcomper)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc = “LSD”;method_Mc = “SNK”;method_Mc = “Duncan”;method_Mc =“scheffe”

# ? MuiaovMcomper
# #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:6),method_Mc = "Tukey")
#提取每个指标方差检验多重比较结果
result
## AP bac fun
## CF a a a
## CK c b a
## Rhi b c b
## WT bc ab a

同样,多个指标展示按照指标每列为一组检测结果。

多个指标非参数检验(MuiKwWlx)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

# ? MuiKwWlx
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
#提取每个指标非参数检验多重比较结果
result
## AP bac fun
## CF a a ab
## CK b ab a
## Rhi c c c
## WT d b b

结果和多组方差分析结果一样。很好用于后面的出图,同样也适合自己导入数据,使用出图

多组数据可视化差异分析结果:柱状图(MuiPlotresultBar)

多组指标分开出图,比较麻烦的是图形的保存,如果还需要让你一个一个保存图片,那也是相当繁琐的,所以这里我设置了自动保存,也只有这种方式是自动保存,其他单个,多组分面图形较少,所以就可以自己保存。

我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名;

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx

# ?MuiPlotresultBar
# # #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
result
## AP bac fun
## CF a a ab
## CK b ab a
## Rhi c c c
## WT d b b
# #结果直接输出到文件夹中
MuiPlotresultBar(data = data_wt,num = c(4:6),result = result ,sig_show ="line")

多组数据可视化差异分析结果:箱线图(MuiPlotresultBox)

我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名;

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx

# ?MuiPlotresultBox
#使用案例
result = MuiKwWlx(data = data_wt,num = c(4:8))
result
## AP bac fun micro NH4.N
## CF a a ab a a
## CK b ab a a b
## Rhi c c c b ab
## WT d b b a ab
# #直接出图到文件夹中
MuiPlotresultBox(data = data_wt,num = c(4:8),result = result,sig_show ="abc")

线柱图

输入和箱线图一致

# ?MuiPlotresultBox
#使用案例
result = MuiKwWlx(data = data_wt,num = c(4:8))
result
## AP bac fun micro NH4.N
## CF a a ab a a
## CK b ab a a b
## Rhi c c c b ab
## WT d b b a ab
# #直接出图到文件夹中
MuiPlotReBoxBar(data = data_wt,num = c(4:8),result = result,sig_show ="line")
## [1] 4## [1] 5## [1] 6## [1] 7## [1] 8

差异结果展示:分面展示柱状图:(FacetMuiPlotresultBar)

更新: - 由于不同指标坐标轴范围不同,分面添加显著性标示会让最高点的标示遮盖,已解决

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx

  • ncol:代表分面展示每一行放几张图

# ?FacetMuiPlotresultBar
# # #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:7),method_Mc = "Tukey")
result
## AP bac fun micro
## CF a a a a
## CK c b a a
## Rhi b c b b
## WT bc ab a a
result1 = FacetMuiPlotresultBar(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 )
result1[[1]]

差异结果展示:分面展示箱线图:(FacetMuiPlotresultBox)

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

  • sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

  • result:代表显著性差异分析结果,是一个数据框,每一列是显著性标记字母,MuiKwWlx

  • ncol:代表分面展示每一行放几张图

# ?FacetMuiPlotresultBox
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:7))
result
## AP bac fun micro
## CF a a ab a
## CK b ab a a
## Rhi c c c b
## WT d b b a
#
result1 = FacetMuiPlotresultBox(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 )
result1[[1]]

使用两种方法,我们可以对比非参数检验和方差检验结果是否一致

下面使用线柱图展示

# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:7))
result
## AP bac fun micro
## CF a a ab a
## CK b ab a a
## Rhi c c c b
## WT d b b a
#
result1 = FacetMuiPlotReBoxBar(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 )
result1[[1]]

注意以上三种分面展示的目前仅支持字母标注显著性,连线形式的尚未添加。

多个分组可视化:GroupBar

使用这种方式可视化一定要注意,坐标轴量度,不同指标范围不一样,因此,单位差距极大的指标一起展示就不太好看了。其次,这里使用line展示会非常混乱,所以我去除了line展示的方式,所以这里没有选择,只能是默认的abc。但是我保留了这个参数,希望以后又更好的方式。

  • ylimit = 1.2 :设置Y轴上界范围

colnames(data_wt)## [1] "ID" "group" "AK" "AP" "bac" "fun" "micro" "NH4.N"
## [9] "NO3.N" "pH" "SOM" "TN"
result = MuiKwWlx(data = data_wt,num = c(8:10))
result = GroupBar(data = data_wt,num = c(8:10),result = result,sig_show ="abc",ylimit = 1.2)
# output result
result[[1]]

这里我想告诉大家,所有的出图函数都可以提取数据,并且自己设计代码出图。

这里我们提取数据,直接出图也是可以的

A = result[[2]]

p<-ggplot(A, aes(x=group , y=mean,group = name ))+
geom_bar(aes(colour= name,fill = name),stat = "identity", width = 0.9,position = "dodge") +

geom_errorbar(aes(ymin=mean - SD,
ymax=mean + SD,group = name),
colour="black",width=0.1,size = 1,position = position_dodge(.9))+

scale_y_continuous(expand = c(0,0))+#,limits = c(0,a)
labs(
y="count"
# y=name_i
# title = paste("Normality test",p1,"Homogeneity of variance",p2,sep = ":")
) +
geom_text(data=A, aes(x=group, y=mean +SD ,label=groups),position = position_dodge(.9),vjust = -1)+
guides(color=guide_legend(title = NULL),shape=guide_legend(title = NULL))
p

单个指标一体化分析(SingleStat)

这个函数可以将我们的目标列做正态检验和方差齐性,然后根据结果选择方差检验或者多重比较方法,最后选择自己需要的出图方式和显著性标记方式展示。

  • data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

  • i:代表您想要进行统计的列,比如:第三列:i = 3

  • method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

  • plot:可以选择需要的出图类型,柱状图和箱线图

# ?SingleStat
# # #使用案例
# #输出结果第一个为图片,第二个是统计结果,第三个是统计方法
result = SingleStat(data = data_wt,plot = "bar",method_Mc = "Tukey",i= 4,sig_show ="abc")
## [1] "aov"# #导出图片
p = result[[1]]
p

可以更换出图方式,当然这里会自动判断使用方差分析,还是非参数检验。选择结果会展示在结果的第三个列表中,可自行查看。

# ?SingleStat
# # #使用案例
# #输出结果第一个为图片,第二个是统计结果,第三个是统计方法
result = SingleStat(data = data_wt,plot = "box",method_Mc = "Tukey",i= 4,sig_show ="abc")
## [1] "aov"# 提取差异检测结果
result[[2]]
## groups group
## CF a CF
## CK c CK
## Rhi b Rhi
## WT bc WT
# 提取差异检测放啊
result[[3]]
## [1] "aov"# #导出图片
p = result[[1]]
p

# ?SingleStat
# # #使用案例
# #输出结果第一个为图片,第二个是统计结果,第三个是统计方法
result = SingleStat(data = data_wt,plot = "boxbar",method_Mc = "Tukey",i= 4,sig_show ="abc")
## [1] "aov"
## [1] 4
# 提取差异检测结果
result[[2]]
## groups group
## CF a CF
## CK c CK
## Rhi b Rhi
## WT bc WT
# 提取差异检测放啊
result[[3]]
## [1] "aov"# #导出图片
p = result[[1]]
p

多个指标一体化分析(MuiStat)

实现了多个指标批量整体运行;这个函数可以将我们的目标列做正态检验和方差齐性,然后根据结果选择方差检验或者多重比较方法,最后选择自己需要的出图方式和显著性标记方式展示。

# ?MuiStat
#使用案例
result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "box",plottype = "mui")
result[[1]]

# 提取方差检测的列
result$aov
## [1] 4 6 7# 提取f非参数检测的列
result$wlx
## [1] 5# 提取差异检测结果
result$table
## AP fun micro bac
## CF a a a a
## CK c a a ab
## Rhi b b b c
## WT bc a a b

柱状图

result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "bar",plottype = "mui")
result[[1]]

result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "boxbar",plottype = "mui")
result[[1]]

data:输入数据框,第一列为样本编号,第二列为分组,注意分组标签必须设定为group,第三列以后就是妮妮测定或者收集的指标了

num:代表您想要进行统计的列,这里可以输入多个列,只需要指定列号即可:例如:num = c(4:6)

method_cv:代表选择方差齐性的方法,有两种可供选择:method_cv == “bartlett.test” ;method_cv == “leveneTest”

method_Mc:选择需要使用的多重比较方法,这里又多种方法可供选择:method_Mc == “LSD”;method_Mc == “SNK”;method_Mc == “Duncan”;method_Mc == “scheffe”

plot:可以选择需要的出图类型,柱状图和箱线图

sig_show:代表差异展示方式;sig_show =“abc”是使用字母表示;sig_show =“line”是使用连线和星号表示;如果是NA,那么就不显示显著性结果

ncol:代表分面展示每一行放几张图

plottype:输出图形是分面展示plottype =mui,还是单张展示:plottype == “single”

(0)

相关推荐