R语言的画图代码及差异性分析[通俗易懂]

全栈程序员站长

发布于 2022-07-31 12:52:31

1.1K0

发布于 2022-07-31 12:52:31

文章被收录于专栏：全栈程序员必看全栈程序员必看

大家好，又见面了，我是你们的朋友全栈君。

R语言结合统计学方法画图实现

例如：

提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档

文章目录

前言

加载我们常用的包，如ggplot2 ，在这里我只使用R的可视化功能，前期的数据清洗及处理，将数据转化为R可识别的数据格式，我均是通过Python的pandas包来实现的，强烈推荐使用python清洗数据！！！！自动化加星号！！！！（显著性！！！！）

提示：以下是本篇文章正文内容，下面案例可供参考

一、ggplot2是什么？

示例：ggplot2 是R语言可视化的一个包，可视化功能非常强大。

二、使用步骤

1.加载我们数据分析及画图所需要的的包

代码如下（示例）：

library(xlsx)
library("Hmisc") ## to use "rcorr"
library(psych)
library(lavaan)
library(semTools)
library(haven)
library(ggcorrplot)
library(semPlot)
library(foreign)
library(MASS)
library(tidyr)
library(jtools)
library(dplyr)
library(cluster)
library(fpc)
library(ggplot2)
library(dendextend)
library(purrr)
library(ggpubr) # to use ggplotbar

2.读入数据

代码如下（示例）：

setwd("F:/课题/数据/处理好的数据/20/")
raw_dt = read.xlsx2("*****.xlsx", sheetIndex = 1)

画图代码

箱线图

ggplot(dt1,aes(x=name,y=speed,fill=factor(name))) +
  stat_boxplot(geom = 'errorbar')+
  geom_boxplot() +
  stat_compare_means(label.y=5,method = 'anova') +
  labs(title = "你的标题")+
  xlab("字符串")
##代码2
boxplot(speed~group_name, dt1,  ylab = "speed, m/s",xlab= "A=60,B=40,C=20,单位：min",col = "bisque" )

增加显著性标志，加星星

ggplot(dt2,aes(x=Usedtime,y=Trust,fill=factor(Usedtime))) +
  geom_boxplot() +
  stat_boxplot(geom = 'errorbar')+
  stat_compare_means(label.y=5.8,method = 'anova')+
  stat_compare_means(comparisons = list(c(1,2),c(1,3),c(1,4),c(2,3),c(2,4),c(3,4)),label.y=c(4.9,5.2,5.5,5.7,5.9,6),label ='p.signif')+
#list(c(1,2),c(1,3)),label.y=c(4.9,5.2,5.5,5.7,5.9,6),label ='p.signif',hide.ns=T)+
  labs(title = "特斯拉车主")+
  xlab("使用时间")

双因素方差分析

双因素方差分析指的是，我们对于想要研究的某个变量，有两个变量会影响。我这里研究的是驾驶模式（手动/自动）和驾驶时间（长/中/短）对于驾驶绩效的影响。双因素分析代码

dt1 = read.csv("C:/Users/Heart/Desktop/接管绩效汇总_接管成功_control.csv")
attach(dt1)
aggregate(acc_x,by=list(group_name,control),FUN=mean,na.rm=TRUE)
aggregate(acc_x,by=list(group_name,control),FUN=sd,na.rm=TRUE)
fit_acc_x <- aov(acc_x~group_name*control)
summary(fit_acc_x)