ggstatsplot包: 一行代码搞定作图问题！

简介

觉得基础作图的 R 代码太啰嗦，不成体系（R基础作图合集）？觉得 ggplot2 还是太复杂了不适合自己（ggplot2合集）？那有没有更简单点的？比如说，最好是躺着就能出图的那种。

今天小编就来介绍一个 R 包，名字叫ggstatsplot[1]。

1. R包的安装和载入

install.packages("ggstatsplot")
install.packages("rstantools")   # 使用到里面的函数
install.packages("afex")         # 使用到里面的函数
library(ggstatsplot)             # 只需载入一个包

R 包 get！接下来会一一介绍里面包含的几个主要函数。

2. ggbetweenstats(): 多组间的均数比较

首先以多组间的均数比较为例，从而验证是否真的可以一行代码作图。

接下来会用到R中自带的iris数据集，新来的小伙伴可以使用?iris或者使用F1键了解（如何使用R语言自带的帮助功能？）。

可以看庄小编的Rstudio快捷键帮助文档：Rstudio常用快捷键以及窗口操作有用技巧；Rstudio界面介绍（上）；Rstudio界面介绍（下）

ggbetweenstats(data = iris, x = Species, y = Sepal.Length)

真是太牛了！只打了一行代码，你却给我这么多！太不公平了！不过！上面图片里信息太多了，它们到底分别代表什么意思？请看下图：

总而言之，图片上面的部分代表传统的统计学方法（Frequentist）的一些统计值，下面的部分代表贝叶斯（Bayesian）的一些统计值。

注：文章末尾会介绍如何简化图片的输出信息，比如去掉贝叶斯的内容。现在继续了解其他函数。

3. ggwithinstats()：重复测量

一个组别如果分别在多个时间点被采集数据，这种情况就归属于重复测量设计，就不能采用上述的多组间均数比较了，因为已经违反了独立性的原则。在这种情况下，可以这么作图：

ggwithinstats(data = iris, x = Species, y = Sepal.Length)

需要注意的是，为了演示，小编还是使用iris的数据集，而在重复测量的数据里，x轴通常指的是不同的时间。上图中的红色线条即为了注明它们之间是配对的。

4. ggscatterstats()：散点图

在研究两个连续变量的时候，散点图可以呈现两者间的关系。下面也是一行搞定：

ggscatterstats(data = iris, x = Sepal.Length, y = Sepal.Width)

除了显示散点图，还分别画出了两个变量各自的直方图从而可以观察它们的分布情况，非常的实用！

5. gghistostats()：直方图

如果有一个连续变量，想要观察它的分布情况，以及通过单样本t检验[R语言统计篇-单样本t检验]去比较是否与一个特定的值有差异，那么可以这么做：

gghistostats(data = iris, x = Sepal.Length, test.value = 6)   

6. ggcorrmat()：多个变量的相关图

要一下子呈现多个连续变量的关系，可以选择相关矩阵[R语言画展ggplot2篇-相关矩阵图]。下方也是使用 iris 数据集，首先需将 Species 这个变量先剔除，然后作图：

ggcorrmat(data = iris[, -5])

也是非常的实用，尤其在探索性分析阶段。默认使用 Pesrson 相关分析（参数性检验），上述中含有 X 的方框，表示没有统计学意义。

7. ggpiestats()：饼图

如果有两个分类变量，想要通过卡方检验进行率的比较，那可以采用饼图的形式作图。使用到mtcars数据集：

ggpiestats(data = mtcars, x = am, y = vs)

8. ggbarstats()：呈现分类变量的柱状图

除了使用上面的饼图，还可以使用柱状图：

ggbarstats(data = mtcars, x = am, y = vs)

9. ggcoefstats()：将回归系数作图

比如，建立了一个线性回归模型，现在想要将自变量的回归系数进行作图，那可以这么做：

mymodel <- lm(mpg ~ cyl + disp + hp, data = mtcars)ggcoefstats(mymodel)     # 将回归系数作图

10. 一行代码搞定一切？天下没有这么容易的事情！

虽然说梦想是一行代码搞定一切，但现实中是不可能的！下面举一个例子，如何进一步调整输出的图片从而满足自己的需求。

以第4部分的散点图为例：

比如，研究中没有用到贝叶斯，所以想要将图片下方的一串统计值删除，并且觉得Sepal.Length这个变量并不符合正态分布，所以选择Spearman相关（默认是Pearson相关），那么可以这么做：

ggscatterstats(data = iris, x = Sepal.Length, y = Sepal.Width,               bf.message = FALSE,      # 去除贝叶斯相关的统计值               type = "nonparamatric")  # 选择非参数检验

这里只是举了一个小例子，这个包还可以对很多参数进行修饰，由于篇幅有限，无法一一介绍。感兴趣的朋友可以查阅下方的参考文献。

• An Introductory Tutorial[2]

这篇给出了大量的例子，并且可交互动画演示的。非常值得学习！

参考资料

[1]

ggstatsplot: https://github.com/IndrajeetPatil/ggstatsplot

[2]

An Introductory Tutorial: https://indrajeetpatil.github.io/ggstatsplot_slides/slides/ggstatsplot_presentation.html

推荐： 可以保存以下照片，在b站扫该二维码，或者b站搜索【庄闪闪】观看Rmarkdown系列的视频教程。Rmarkdown视频新增两节视频（写轮眼幻灯片制作）需要视频内的文档，可在公众号回复【rmarkdown】