听说你只会画箱图？
为体现组间差异，可能大部分人都会第一个想到箱图（boxplot）来展示；但是当审稿人看到满屏Figure都是箱图的时候，肯定会觉得作者团队数据可视化能力还有待提高，如何给审稿人美好的第一印象，科研数据的可视化非常重要，相同的数据，除了箱图，我们还可以使用小提琴图或者密度分布图来展示结果，而且尽量让一些统计学结果体现在图里。
library(ggplot2)
bp <- ggplot(data=PlantGrowth, aes(x=group, y=weight, fill=group)) +
geom_boxplot()+
scale_fill_brewer(palette="Dark2")
bp
下面使用密度分布图来展示结果；
dp<-ggplot(PlantGrowth, aes(x= weight, fill= group)) +
scale_fill_brewer(palette="Dark2")+
geom_density(alpha=0.56)
dp
接着我们试图将一些统计学参数加上，增加图可视化和信息量；（这里使用的是中位数）
library(plyr)
mu <- ddply(PlantGrowth, "group", summarise, grp.median=median(weight))
head(mu)
# group grp.median
#1 ctrl 5.155
#2 trt1 4.550
#3 trt2 5.435
dp+geom_vline(data = mu, aes(xintercept = grp.median),
linetype="dashed",color = "grey")
说到统计学指标，这里墙裂推荐ggstatsplot；不用吹，看图就知道多强大了；出图的时候还顺带帮你把统计学比较做完了，真是造福百姓！感兴趣者可以上网站好好研究一下 ：：https://www.r-pkg.org/pkg/ggstatsplot
library("ggstatsplot")
ggbetweenstats(
data = PlantGrowth,
x = group,
y = weight,
palette = "Dark2",
messages = FALSE)
本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。
原始发表：2019-10-22，如有侵权请联系 cloudcommunity@tencent.com 删除
评论
登录后参与评论
推荐阅读
腾讯云开发者
