作者:白介素2
美图神器ggstatsplot-专为学术论文而生
在CRAN(comprehensive R Achive Netwokrk)中已有13000多个R包了
简单讲ggstatsplot能够提供更为丰富信息的包,其实就是画出高质量的图
不需要我们花费过多的精力去调整绘图细节,举个例子
一般的探索性数据分过程析包括数据可视化与数据统计两个部分，而ggstatsplot正是达到两者结合的目的
举例说明
组间比较-ggbetweenstats
library(ggstatsplot)
library(ggplot2)
p代表参数检验，np代表非参数
mpaa是分类变量，y是数值型变量
head(movies_long)
## # A tibble: 6 x 8
## title year length budget rating votes mpaa genre
## <chr> <int> <int> <dbl> <dbl> <int> <fct> <fct>
## 1 Shawshank Redemption, The 1994 142 25 9.1 149494 R Drama
## 2 Lord of the Rings: The Ret~ 2003 251 94 9 103631 PG-13 Acti~
## 3 Lord of the Rings: The Fel~ 2001 208 93 8.8 157608 PG-13 Acti~
## 4 Lord of the Rings: The Two~ 2002 223 94 8.8 114797 PG-13 Acti~
## 5 Pulp Fiction 1994 168 8 8.8 132745 R Drama
## 6 Schindler's List 1993 195 25 8.8 97667 R Drama
ggbetweenstats(
data = movies_long,
x = mpaa, # > 2 groups
y = rating,
type = "p", # default
messages = FALSE
)
image.png
默认参数绘图
ggbetweenstats(
data = movies_long,
x = mpaa,
y = rating
)
image.png
配对比较
pairwise.display参数控制曾现的比较,ns无意义,all，所有,s有意义的
ggbetweenstats(
data = movies_long,
x = mpaa,
y = rating,
type = "np",
mean.ci = TRUE,
pairwise.comparisons = TRUE,
pairwise.display = "s",
p.adjust.method = "fdr",
messages = FALSE
)
image.png
调整颜色，主题，可信区间调整，突出值标记
confi.level：可信区间调整,ggtheme主题，pallete：颜色调用
outlier:超出界限标记
ggbetweenstats(
data = movies_long,
x = mpaa,
y = rating,
type = "r",
conf.level = 0.99,
pairwise.comparisons = TRUE,
pairwise.annotation = "p",
outlier.tagging = TRUE,
outlier.label = title,
outlier.coef = 2,
ggtheme = hrbrthemes::theme_ipsum_tw(),
palette = "Darjeeling2",
package = "wesanderson",
messages = FALSE
)
image.png
ggwithinstats组内比较
图还是非常美观，就不去细讲每个参数了，需要时调用即可，这也是作者的意图
ggwithinstats(
data = WRS2::WineTasting,
x = Wine, # > 2 groups
y = Taste,
pairwise.comparisons = TRUE,
pairwise.annotation = "p",
ggtheme = hrbrthemes::theme_ipsum_tw(),
ggstatsplot.layer = FALSE,
messages = FALSE
)
image.png
相关性图-ggscatterstats
代码简介，细节丰富
ggscatterstats(
data = movies_long,
x = budget,
y = rating,
type = "p", # default #<<<
conf.level = 0.99,
marginal=F,
messages = TRUE
)
image.png
其实还可以画很多其它的图，颜值都非常高，这里不再过多介绍，真正做到一图胜千言
总结一下这个包的局限性:
- 虽然图的信息量大，但有时比如presentation，时间不够，图信息过多反而不利于简明扼要的传达信息
- 另外就是计算的统计量比较单一
参考资料：官方文档
本期内容就到这里，我是白介素2，下期再见
广而告之
说一个事，鉴于简书平台在信息传播方面有不足之处，应粉丝要求，白介素2的个人微信平台已经开启，继续聊临床与科研的故事，R语言，数据挖掘，文献阅读等内容。当然也不要期望过高，微信平台目前的定位是作为自己的读书笔记，如果对大家有帮助最好。如果感兴趣， 可以扫码关注下。
qrcode_for_gh_9eaa04438675_258.jpg
相关阅读：
R语言生存分析-02-ggforest
R语言生存分析-01
生存曲线
R语言GEO数据挖掘01-数据下载及提取表达矩阵
R语言GEO数据挖掘02-解决GEO数据中的多个探针对应一个基因
R语言GEO数据挖掘03-limma分析差异基因
R语言GEO数据挖掘04-功能富集分析
如果没有时间精力学习代码，推荐了解：零代码数据挖掘课程
