这篇文章我们将讲述
- 如何简单比较两组或多组的平均值
- 如何自动化为ggplot添加p值和显著性标记,包括箱线图、点图、条形图、线图等等
准备
安装和导入所需要的R包
需要R包ggpubr,版本>0.1.3,该包提供了基于ggplot2包的论文发表级绘图。
- 从CRAN安装:
install.packages("ggpubr")
- 或者从GitHub上下载最新的开发版本:
if(!require(devtools)) install.packages("devtools")
devtools::install_github("kassambara/ggpubr")
- 载入ggpubr:
library(ggpubr)
#> Loading required package: ggplot2
ggpubr的官方文档在http://www.sthda.com/english/rpkgs/ggpubr ## 样例数据集
数据:ToothGrowth数据集
data("ToothGrowth")
head(ToothGrowth)
#> len supp dose
#> 1 4.2 VC 0.5
#> 2 11.5 VC 0.5
#> 3 7.3 VC 0.5
#> 4 5.8 VC 0.5
#> 5 6.4 VC 0.5
#> 6 10.0 VC 0.5
比较均值的方法
http://www.sthda.com/english/wiki/comparing-means-in-r包含了均值方法比较的详细描述,这里我们汇总常见的均值比较方法:
方法 |
R 函数 |
描述 |
---|---|---|
T检验 |
t.test() |
比较两组 (参数) |
Wilcoxon检验 |
wilcox.test() |
比较两组 (非参数) |
ANOVA |
aov() or anova() |
比较多组 (参数) |
Kruskal-Wallis |
kruskal.test() |
比较多组 (非参数) |
添加p值的函数
这里我们展示ggpubr包中可以使用的用于添加p值的R函数:
- compare_means()
- stat_compare_means()
compare_mean()
下一部分我们将实际学习使用,这里先具体介绍一下这个函数:
compare_means(formula, data, method="wilcox.test", paired=FALSE,
group.by=NULL, ref.group = NULL, ...)
- formula: x~group形式的公式,x是一个数值向量,group是有1个或者多个组别的因子。比如formula = TP53 ~ cancer_group。也可以使用多个响应变量,比如formula = c(TP53, PTEN) ~ cancer_group。
- data: 包含变量的数据框
- method: 检验的类型。默认是wilcox.test。允许的值包括:
- t.test和wilcox.test。
- anova和kruskal.test。
- paired: 逻辑值,是否执行配对检验。仅能用于t.test和wilcox.test。
- group.by: 在执行检验前对数据集进行分组的变量。指定后,会根据该变量分不同子集进行检验。
- ref.group: 一个字符串,指定参考组。指定后,对于一个给定分组变量,每个分组水平都会和参考组进行比较。ref.group可以使用.all,这会对所有组别基于一个全局的均值进行两两比较。 ## stat_compare_means()
这个函数扩展了ggplot2,可以对指定ggplot图形添加均值比较的p值。
简单形式如下:
stat_compare_means(mapping = NULL,
comparisons = NULL,
hide.ns = FALSE,
label = NULL,
label.x = NULL,
label.y = NULL)
- mapping: 由aes()创建的映射集合
- comparisons: 一个长度为2的向量列表。向量中元素都是x轴的两个名字或者2个对于感兴趣,要进行比较的整数索引
- hide.ns: 逻辑值,如果TRUE,隐藏不显著标记ns
- label: 指定标签类型的字符串。允许值包括p.signif(显示显著性水平),p.format(显示p值)
- label.x, label.y: 数值。用于摆放标签位置的坐标,如果太短,会循环重复。
- …: 其他传入compare_means()的参数,例如method,paired,ref.group
比较两个独立组别
执行检验:
compare_means(len ~ supp, data = ToothGrowth)
#> # A tibble: 1 x 8
#> .y. group1 group2 p p.adj p.format p.signif method
#> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 len OJ VC 0.0645 0.064 0.064 ns Wilcoxon
默认执行method=”wilcox.test”,你可以指定method = “t.test”进行t检验。 返回一个包含下面列的数据框:
- .y: 用于检验的y变量
- p: p值
- p.adj: 矫正p值,默认矫正方法p.adjust.method=”holm”
- p.format: 格式化p值
- p.signif: 显著性水平
- 方法: 用于比较组别的统计检验
创建一个带p值的箱线图:
p <- ggboxplot(ToothGrowth, x="supp",
y = "len", color = "supp",
palette = "jco", add = "jitter")
# 添加p值
p + stat_compare_means()
# 改变方法
p + stat_compare_means(method = "t.test")
注意,p值标签位置可以使用label.x, label.y, hjust, vjust参数进行矫正。
默认p值标签显示是将compare_means()返回数据框的method和p列粘连到一起。你可以使用aes()函数进行组合。
比如,
- aes(label = ..p.format..) 或者 aes(label = paste0(“p = “, ..p.format..)): 显示p值但不显示方法
- aes(label = ..p.signif..): 仅显示显著性水平
- aes(label = paste0(..method.., “\n”, “p =”, ..p.format..)) 使用在方法和p值中插入换行符
实际操作看看:
p + stat_compare_means(aes(label = ..p.signif..),
label.x = 1.5,
label.y = 40)
也可以使用字符串指定标签:
p + stat_compare_means(label = "p.signif", label.x = 1.5, label.y = 40)
比较两组配对样本
执行检验:
compare_means(len ~ supp, data = ToothGrowth,
paired = TRUE)
#> # A tibble: 1 x 8
#> .y. group1 group2 p p.adj p.format p.signif method
#> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 len OJ VC 0.00431 0.0043 0.0043 ** Wilcoxon
使用ggpaired()函数可视化:
ggpaired(ToothGrowth, x="supp", y="len",
color="supp", line.color="gray",
line.size=0.4, palette = "jco") +
stat_compare_means(paired = TRUE)
比较多组样本
- 全局检验
compare_means(len ~ dose, data = ToothGrowth,
method = "anova")
#> # A tibble: 1 x 6
#> .y. p p.adj p.format p.signif method
#> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 len 9.53e-16 9.50e-16 9.5e-16 **** Anova
用全局p值画图:
# 默认方法为 method = "kruskal.test"
ggboxplot(ToothGrowth, x = "dose", y = "len",
color = "dose", palette = "jco") +
stat_compare_means()
# 将方法改为anova
ggboxplot(ToothGrowth, x = "dose", y = "len",
color = "dose", palette = "jco") +
stat_compare_means(method = "anova")
- 成对比较,如果分组变量包含超过两个水平,配对检验会自动执行。
# 执行成对比较
compare_means(len ~ dose, data = ToothGrowth)
#> # A tibble: 3 x 8
#> .y. group1 group2 p p.adj p.format p.signif method
#> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 len 0.5 1 0.00000702 0.000014 7.0e-06 **** Wilcoxon
#> 2 len 0.5 2 0.0000000841 0.00000025 8.4e-08 **** Wilcoxon
#> 3 len 1 2 0.000177 0.00018 0.00018 *** Wilcoxon
# 可视化: 指定你想要比较的组别
my_comparisons <- list(c("0.5","1"), c("1", "2"),
c("0.5", "2"))
ggboxplot(ToothGrowth, x="dose", y="len",
color="dose", palette = "jco") +
stat_compare_means(comparisons = my_comparisons) + #添加成对p值
stat_compare_means(label.y = 50) # 添加全局p值
#> Warning in wilcox.test.default(c(4.2, 11.5, 7.3, 5.8, 6.4, 10, 11.2, 11.2, :
#> cannot compute exact p-value with ties
#> Warning in wilcox.test.default(c(4.2, 11.5, 7.3, 5.8, 6.4, 10, 11.2, 11.2, :
#> cannot compute exact p-value with ties
#> Warning in wilcox.test.default(c(16.5, 16.5, 15.2, 17.3, 22.5, 17.3, 13.6, :
#> cannot compute exact p-value with ties
如果你想要指定精确的y轴位置,使用label.y参数:
ggboxplot(ToothGrowth, x="dose", y="len",
color="dose", palette = "jco") +
stat_compare_means(comparisons = my_comparisons,
label.y=c(29, 35, 40)) +
stat_compare_means(label.y = 45)
#> Warning in wilcox.test.default(c(4.2, 11.5, 7.3, 5.8, 6.4, 10, 11.2, 11.2, :
#> cannot compute exact p-value with ties
#> Warning in wilcox.test.default(c(4.2, 11.5, 7.3, 5.8, 6.4, 10, 11.2, 11.2, :
#> cannot compute exact p-value with ties
#> Warning in wilcox.test.default(c(16.5, 16.5, 15.2, 17.3, 22.5, 17.3, 13.6, :
#> cannot compute exact p-value with ties
- 基于参考组的多重成对比较
# 基于参考组
compare_means(len ~ dose, data = ToothGrowth,
ref.group = "0.5",
method = "t.test")
#> # A tibble: 2 x 8
#> .y. group1 group2 p p.adj p.format p.signif method
#> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 len 0.5 1 1.27e- 7 1.30e- 7 1.3e-07 **** T-test
#> 2 len 0.5 2 4.40e-14 8.80e-14 4.4e-14 **** T-test
# 可视化
ggboxplot(ToothGrowth, x="dose", y="len",
color="dose", palette = "jco") +
stat_compare_means(method="anova", label.y=40) +
stat_compare_means(label="p.signif", method="t.test",
ref.group = "0.5")
- 以所有值为基准(base-mean)进行多个成对比较
如果出现很多组别,两两比较过于复杂,通过将所有数据汇总创建一个虚拟的样本,以它为基准进行比较。
# Comparison of each group against base-mean
compare_means(len ~ dose, data = ToothGrowth, ref.group = ".all.",
method = "t.test")
#> # A tibble: 3 x 8
#> .y. group1 group2 p p.adj p.format p.signif method
#> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 len .all. 0.5 0.000000290 0.00000087 2.9e-07 **** T-test
#> 2 len .all. 1 0.512 0.51 0.51 ns T-test
#> 3 len .all. 2 0.000000425 0.00000087 4.3e-07 **** T-test
可视化
ggboxplot(ToothGrowth, x = "dose", y = "len",
color = "dose", palette = "jco")+
stat_compare_means(method = "anova", label.y = 40)+ # Add global p-value
stat_compare_means(label = "p.signif", method = "t.test",
ref.group = ".all.") # Pairwise comparison against all
这个方法有时候会非常有用,比如下面这个例子中,我们可以通过每个样本均值与所有样本的均值进行比较,判断基因水平是过表达还是下调了。
# Load myeloma data from GitHub
myeloma <- read.delim("https://raw.githubusercontent.com/kassambara/data/master/myeloma.txt")
# 执行检验
compare_means(DEPDC1 ~ molecular_group, data = myeloma,
ref.group = ".all.", method = "t.test")
#> # A tibble: 7 x 8
#> .y. group1 group2 p p.adj p.format p.signif method
#> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 DEPDC1 .all. Cyclin D-1 0.288 1.00e+0 0.29 ns T-test
#> 2 DEPDC1 .all. Cyclin D-2 0.424 1.00e+0 0.42 ns T-test
#> 3 DEPDC1 .all. MMSET 0.578 1.00e+0 0.58 ns T-test
#> 4 DEPDC1 .all. MAF 0.254 1.00e+0 0.25 ns T-test
#> 5 DEPDC1 .all. Hyperdiploid 0.0000000273 1.90e-7 2.7e-08 **** T-test
#> 6 DEPDC1 .all. Proliferation 0.0000239 1.20e-4 2.4e-05 **** T-test
#> 7 DEPDC1 .all. Low bone disease 0.00000526 3.20e-5 5.3e-06 **** T-test
可视化表达谱
ggboxplot(myeloma, x="molecular_group", y="DEPDC1",
color="molecular_group", add="jitter",
legend="none") +
rotate_x_text(angle = 45) +
geom_hline(yintercept = mean(myeloma$DEPDC1),
linetype=2) + # 添加base mean的水平线
stat_compare_means(method = "anova", label.y = 1600)+ # Add global annova p-value
stat_compare_means(label = "p.signif", method = "t.test",
ref.group = ".all.") # Pairwise comparison against all
多个分组变量
- 根据某个变量分组后两个独立样本的比较
执行检验:
compare_means(len ~ supp, data = ToothGrowth,
group.by = "dose")
#> # A tibble: 3 x 9
#> dose .y. group1 group2 p p.adj p.format p.signif method
#> <dbl> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 0.5 len OJ VC 0.0232 0.046 0.023 * Wilcoxon
#> 2 1 len OJ VC 0.00403 0.012 0.004 ** Wilcoxon
#> 3 2 len OJ VC 1 1 1.000 ns Wilcoxon
因为生成了不同的子图,根据变量分面
# 根据 “dose” 变量分面绘制箱线图
p <- ggboxplot(ToothGrowth, x = "supp", y = "len",
color = "supp", palette = "jco",
add = "jitter",
facet.by = "dose", short.panel.labs = FALSE)
# Use only p.format as label. Remove method name.
p + stat_compare_means(label = "p.format")
# Or use significance symbol as label
p + stat_compare_means(label = "p.signif", label.x = 1.5)
将这几个图绘制在单个面板内:
p <- ggboxplot(ToothGrowth, x = "dose", y = "len",
color = "supp", palette = "jco",
add = "jitter")
p + stat_compare_means(aes(group = supp))
# 仅显示p值
p + stat_compare_means(aes(group = supp), label = "p.format")
# 使用显著性标记
p + stat_compare_means(aes(group = supp), label = "p.signif")
- 分组后配对样本比较
compare_means(len ~ supp, data = ToothGrowth,
group.by = "dose", paired = TRUE)
#> # A tibble: 3 x 9
#> dose .y. group1 group2 p p.adj p.format p.signif method
#> <dbl> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
#> 1 0.5 len OJ VC 0.0330 0.066 0.033 * Wilcoxon
#> 2 1 len OJ VC 0.0137 0.041 0.014 * Wilcoxon
#> 3 2 len OJ VC 1 1 1.000 ns Wilcoxon
可视化,按分组变量dose分面创建一个多面板箱线图:
p <- ggpaired(ToothGrowth, x="supp", y="len",
color="supp", palette = "jco",
line.color = "grey", line.size =0.4,
facet.by = "dose", short.panel.labs = FALSE)
# Use only p.format as label. Remove method name.
p + stat_compare_means(label = "p.format", paired = TRUE)
其他图形
- 条形图和线图(一组变量)
# 条形图加均值标准误
ggbarplot(ToothGrowth, x = "dose", y = "len", add = "mean_se")+
stat_compare_means() + # Global p-value
stat_compare_means(ref.group = "0.5", label = "p.signif",
label.y = c(22, 29)) # compare to ref.group
# 线图加均值标准误
ggline(ToothGrowth, x = "dose", y = "len", add = "mean_se")+
stat_compare_means() + # Global p-value
stat_compare_means(ref.group = "0.5", label = "p.signif",
label.y = c(22, 29))
- 条形图和线图(两组变量)
ggbarplot(ToothGrowth, x = "dose", y = "len", add = "mean_se",
color = "supp", palette = "jco",
position = position_dodge(0.8))+
stat_compare_means(aes(group = supp), label = "p.signif", label.y = 29)
ggline(ToothGrowth, x = "dose", y = "len", add = "mean_se",
color = "supp", palette = "jco")+
stat_compare_means(aes(group = supp), label = "p.signif",
label.y = c(16, 25, 29))
您好,我在使用stat_compare_means函数的时候有报错提示:Caused by error in `t.test.default()`:
! ‘y’观察值数量不够 这种情况该怎么解决呢 非常感谢!
尝试把stat_compare_means(comparison = list)中括号内的参数删掉,结果意外能算出来结果了……我先前在其他地方看到说comparison参数可以填入的向量内容可以为X轴的两个组别名(字符型),所以我先赋值list = list(“1″,”2”),为什么这样反而会有报错呢,求解
list = list(c(“1″,”2”)) list = list(c(“1″,”2”),c(“1″,”3”))
这个亚子的
如果代码没有问题 就是数据量不够 具体你得排查一下
感谢分享,学习到了很多。
但在使用wilcox.test计算显著性时显示wilcox 无法精确计算带连结的p值,按照网络上的教程解决,添加了exact=FALSE,但问题仍然没解决。请问是什么原因,可以拜托帮忙解答一下吗?
代码:
p <- plot_richness(qiimedata,"Group",
measures = NULL,
color="Group")+
geom_boxplot(aes(fill=Group))+
theme_bw()+xlab(NULL)+
scale_color_aaas()+
scale_fill_aaas(alpha = 0.7)
library("ggpubr"); packageVersion("ggpubr")#事后检验分析
mycompare=list(c("KO","WT"))
p <- p + stat_compare_means(comparisons=mycompare,
label = "p.signif",#显示显著性水平,p.format(显示p值)
method = "wilcox.test",exact=FALSE)
p
报错:Warning: Computation failed in `stat_signif()`
Caused by error in `if (scales$x$map(comp[1]) == data$group[1] | manual) …`:
! missing value where TRUE/FALSE needed
Warning in wilcox.test.default(c(483, 172, 321, 203, 385, 237, 247, 522, :
cannot compute exact p-value with ties
您好,是不是加我微信了?没有的话加微信看一下数据和代码