ggpubr作图

导读

以前总是借助PS来为新鲜出炉的R图添加统计显著标识，但是现在可以不用了，因为ggbubr可以一站式解决，而且画的图堪比SCI级别。话不多说，撸起袖子搞起来

工作流程

包的下载，直接从CRAN镜像下载即可

install.packages("ggpubr")
library(ggpubr) #加载

数据准备及处理，如下图所示

• 这里准备了我自己截取的一小部分数据做例子，首先要有分组信息，个体信息不重要。但是这样的数据不适合ggplot2环境下作图，因为有两个变量需要作图，这里需要对数据进行转换一下，采用的是reshape2包的melt函数

数据示例

setwd("C:\\Users\\Administrator\\Desktop")#设置工作路径
test_df <- read.table("clipboard",header = T,check.names = F)#读取数据
#test_df[,2:3] <- log1p(test_df[,2:3])
#test_df[,2:3] <- scale(test_df[,2:3], center = TRUE, scale = TRUE)
library(reshape2)
work_df <- melt(test_df, id.vars = "Treament")

• 数据经过转换后成为了一个长矩阵，这样就可以通过ggplot2分析和作图了，这里的分组信息是Treatment，变量信息在variable中，变量对应的数值信息在value列中。

转换后的数据

数据分析， 组间差异比较

library(ggpubr)
compare_means(value ~ Treament, data = work_df, group.by = "variable")
# A tibble: 2 x 9
#  variable  .y.   group1 group2     p p.adj p.format p.signif method  
#  <fct>     <chr> <chr>  <chr>  <dbl> <dbl> <chr>    <chr>    <chr>   
#1 Hippurate value High   Low    0.321  0.45 0.32     ns       Wilcoxon
#2 Urate     value High   Low    0.224  0.45 0.22     ns       Wilcoxon

采用的是默认的Wilcoxon组间差异检验，可以看到Hippurate和Urate在两个分组之间差异均不显著

作图

尽管不显著，但是还是想看下数据的分布是如何的，那么这里将展示boxplot、barplot和line作图结果，以及如何添加显著性标识。

1 | boxplot

p <- ggboxplot(work_df, x = "variable", y = "value",
               color = "Treament", palette = "jco", 
               add = "jitter") # palette可以按照期刊选择相应的配色，如"npg"等
p + stat_compare_means(aes(group = Treament), label = "p.signif")
# label = "p.signif"标识用星号或者''ns''等字符来表示显著性结果
ggsave("boxplot.tiff",width = 8,height = 8)

boxplot

2 | barplot

p1 <- ggbarplot(work_df, x = "variable", y = "value", add = "mean_se",
          color = "Treament", palette = "jco", 
          position = position_dodge(0.8))
p1 <- p1 + stat_compare_means(aes(group = Treament), label = "p.format", label.y = 180) 
# label = "p.format"标识用P值来标识显著性结果，如下图所示
ggsave("barplot.tiff",width = 8,height = 8)

barplot

3 | 数据点一一对应的boxplot图

可惜可能是我数据的问题，没有做出来那种效果

p2 <- ggpaired(work_df, x = "Treament", y = "value", 
                color = "Treament", palette = "jco", facet.by = "variable" ,
               line.color = "gray", line.size = 0.4, short.panel.labs = FALSE)
p2 <- p2 + stat_compare_means(aes(group = Treament), label = "p.format", label.y = 200)

我做的图
引用参考出处的图，本来应该这样的

4 | line图

p3 <- ggline(work_df, x = "variable", y = "value", add = "mean_se",
                color = "Treament", palette = "jco", 
                position = position_dodge(0.8))
p3 <- p3 + stat_compare_means(aes(group = Treament), label = "p.format", label.y = 180)

line图，但是适合那种不同水平的比较，或者时间序列

结语

怎么样，是不是很简单也很好看，当然我展示的只是基本图形，想要让你的图像更加色彩斑斓，可以有很多参数可以控制和调节。

参考

[1] https://www.r-bloggers.com/add-p-values-and-significance-levels-to-ggplots/