差异分析完整解决方案：Easystat

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）。

EasyStat 使用指南

library(devtools) remotes::install_github(“taowenmicro/EasyStat”)remotes::install_git(‘https://gitee.com/wentaomicro/EasyStat‘)

如果国外不可用，则使用国内码云安装

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]]

# .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 p <- PlotresultBar[[1]]


ggsave("1.png",p)

#提取方差分析或非参数检验结果

PlotresultBar[[2]]

# ?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 p <- PlotresultBar[[1]] ggsave("2.png",p) #提取方差分析或非参数检验结果 PlotresultBar[[2]]

# ?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 p <- PlotresultBar[[1]] ggsave("3.png",p) #提取方差分析或非参数检验结果 PlotresultBar[[2]]

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]] ggsave("4.png",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]] ggsave("5.png",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]] ggsave("6.png",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]] PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 6,sig_show ="abc",result = result[[1]],ns = TRUE) #提取图片 p = PlotresultBox[[1]] ggsave("7.png",p)

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

ggsave("8.png",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) #提取图片 p = PlotresultBox[[1]] p ggsave("9.png",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) # ?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

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

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

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 # #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```{R}

?MuiPlotresultBox

使用案例

result = MuiKwWlx(data = data_wt,num = c(4:8))result

#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 ```{R} # ?MuiPlotresultBox #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:8)) result # #直接出图到文件夹中 MuiPlotReBoxBar(data = data_wt,num = c(4:8),result = result,sig_show ="line")

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 result1 = FacetMuiPlotresultBar(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 ) p <- result1[[1]] ggsave("10.png",p)

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 # result1 = FacetMuiPlotresultBox(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 ) p <- result1[[1]] ggsave("11.png",p)

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 # result1 = FacetMuiPlotReBoxBar(data = data_wt,num = c(4:7),result = result,sig_show ="abc",ncol = 4 ) p <- result1[[1]] ggsave("12.png",p)

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) 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 p <- result[[1]] ggsave("13.png",p)

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

ggsave("14.png",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") # #导出图片 p = result[[1]] p

ggsave("15.png",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") # 提取差异检测结果 result[[2]] # 提取差异检测放啊 result[[3]]

# #导出图片 p = result[[1]] p ggsave("16.png",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") # 提取差异检测结果 result[[2]] # 提取差异检测放啊 result[[3]]


# #导出图片

p = result[[1]]

p

ggsave("17.png",p)

![image]https://note.youdao.com/yws/public/resource/9141817b606527af013be70dc7713546/xmlnote/B92CE0A975AF4DE2BFFC81062FA275BE/50851)

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") p <- result[[1]]


# 提取方差检测的列

result$aov

# 提取f非参数检测的列

result$wlx

# 提取差异检测结果

result$table

ggsave("18.png",p)

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") p <- result[[1]]

ggsave("19.png",p)

result = MuiStat(data = data_wt,num = c(4:7),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "boxbar",plottype = "mui") p <- result[[1]] ggsave("20.png",p)

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”

差异分析完整解决方案：Easystat

差异分析完整解决方案：Easystat

EasyStat 使用指南

如果国外不可用，则使用国内码云安装

基于单个指标的统计分析

方差分析(aovMcomper)

非参数检验

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）

箱线图展示方差分析或非参数检验结果（aovMuiBoxP）

点柱图-完美解决柱状图无法展示样本信息的缺陷

多指标模式

多个指标同时做正态检验和方差齐性分析（MuiNorCV）

多个指标方差检验（MuiaovMcomper）

多个指标非参数检验（MuiKwWlx）

多组数据可视化差异分析结果：柱状图（MuiPlotresultBar）

多组数据可视化差异分析结果：箱线图（MuiPlotresultBox）

?MuiPlotresultBox

使用案例

#直接出图到文件夹中

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

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

下面使用线柱图展示

多个分组可视化:GroupBar

单个指标一体化分析（SingleStat）

多个指标一体化分析(MuiStat)

相关推荐