添加p-value和显著性标记:ggsignif和ggpubr

在数据分析过程中,常常需要把组间的显著性添加到图形中,但是在ggplot2中实现起来略显麻烦,幸运的是,有很多R包可以帮助我们实现这一操作,比如ggsignif和ggpubr。

1. 统计方法

一般根据数据是否符合正态分布,选择合适的统计方法:

统计方法 适用情况
t.test() 比较两组(参数)
wilcox.test() 比较两组(非参数)
aov()或anova() 比较多组(参数)
kruskal.test() 比较多组(非参数)

2. ggsignif

2.1 ggsignif介绍

ggsignif包主要函数为:geom_signif()stat_signif(),常用geom_signif()

# geom_signif参数
geom_signif(mapping = NULL, data = NULL, stat = "signif",
position = "identity", na.rm = FALSE, show.legend = NA,
inherit.aes = TRUE, comparisons = NULL, test = "wilcox.test",
test.args = NULL, annotations = NULL, map_signif_level = FALSE,
y_position = NULL, xmin = NULL, xmax = NULL, margin_top = 0.05,
step_increase = 0, tip_length = 0.03, size = 0.5, textsize = 3.88,
family = "", vjust = 0, ...)
常用参数 说明示范
comparisons list,设置需要比较的组,比如list(c("a","b"),c("a","c"))
test 上述统计方法,比如t.test()
test.args test传入的参数
map_signif_level 布尔值,p值直接被当作注释或者以星号替代,比如c(""=0.001,""=0.01,""=0.05)
annotations 带有可选注释的字符向量,如果没有则被忽略
step_increase 不同组差异标注的距离
2.2 ggsignif使用:

安装

# 安装稳定版本:
install.packages("ggsignif")
#安装最新开发版本:
devtools::install_github("const-ae/ggsignif")

使用iris数据集做演示

library(ggplot2)
library(ggthemr)     #载入主题配置包
library(ggsignif)    #载入ggsignif
library(patchwork) #载入拼图包
head(iris)
#   Sepal.Length Sepal.Width Petal.Length Petal.Width Species
# 1          5.1         3.5          1.4         0.2  setosa
# 2          4.9         3.0          1.4         0.2  setosa
# 3          4.7         3.2          1.3         0.2  setosa
# 4          4.6         3.1          1.5         0.2  setosa
# 5          5.0         3.6          1.4         0.2  setosa
# 6          5.4         3.9          1.7         0.4  setosa

Species的三组两两分别作差异性检验,提前设定好配对分析的list

compaired <- list(c("versicolor", "virginica"), 
                  c("versicolor","setosa"), 
                  c("virginica","setosa"))

绘制geom_boxplot()和小提琴图geom_violin()

ggthemr("flat")
p1 <- ggplot(iris, aes(Species, Sepal.Width, fill = Species)) +
    geom_boxplot() +
    ylim(1.5, 6.5) +
    geom_signif(comparisons = compaired,
                step_increase = 0.3,
                map_signif_level = F,
                test = wilcox.test)
p2 <- ggplot(iris, aes(Species, Sepal.Width, fill = Species)) +
    geom_violin() +
    ylim(1.5, 6.5) +
    geom_signif(comparisons = compaired,
                step_increase = 0.3,
                map_signif_level = T, #修改参数map_signif_level=TRUE
                test = wilcox.test)
p1|p2

3. ggpubr

3.1 介绍

ggpubr添加p-value主要使用ggpubr包中的两个函数:compare_means()stat_compare_mean()

  • compare_means():可以进行一组或多组间的比较。
compare_means(formula, data, method = "wilcox.test", paired = FALSE,
group.by = NULL, ref.group = NULL, ...)
参数 含义
formula 形如x~group,其中x是数值型变量,group是因子,可以是一个或者多个
data 数据集
method 比较的方法,默认为"wilcox.test", 其他可选方法为:“t.test”、“anova”、“kruskal.test”
paired 是否要进行paired test(TRUE or FALSE)
group_by 比较时是否要进行分组
ref.group 是否需要指定参考组
  • stat_compare_mean():自动添加p-value、显著性标记到ggplot图中
stat_compare_means(mapping = NULL, comparisons = NULL hide.ns = FALSE,
label = NULL, label.x = NULL, label.y = NULL, ...)
参数 含义
mapping 由aes()创建的一套美学映射
comparisons 指定需要进行比较以及添加p-value、显著性标记的组
hide.ns 是否要显示显著性标记ns
label 显著性标记的类型,可选项为:p.signif(显著性标记)、p.format(显示p-value)
label.x、label.y 显著性标签调整
其他参数
3.2 比较独立的两组
#先加载包
library(ggpubr)
library(patchwork)
data("ToothGrowth") #加载演示数据集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
compare_means(len~supp, data=ToothGrowth)
## A tibble: 1 x 8
#  .y.   group1 group2      p p.adj p.format p.signif method 
#                    
#1 len   OJ     VC     0.0645 0.064 0.064    ns       Wilcox…

y:测试中使用的y变量
p:p-value
p.adj:调整后的p-value。默认为p.adjust.method=“holm”
p.format:四舍五入后的p-value
p.signif:显著性水平
method:用于统计检验的方法

绘制箱线图

p1 <- ggboxplot(ToothGrowth, x="supp", y="len", color = "supp",
               palette = "lancet", add = "jitter")#添加p-valuep+stat_compare_means()
#使用其他统计检验方法
p2 <- p1+stat_compare_means(method = "t.test")
p1|p2

上述显著性标记可以通过label.x、label.y、hjust及vjust来调整
显著性标记可以通过aes()映射来更改:
aes(label=…p.format…)或aes(lebel=paste0(“p=”,…p.format…)):只显示p-value,不显示统计检验方法
aes(label=…p.signif…):仅显示显著性水平
aes(label=paste0(…method…,"\n", “p=”,…p.format…)):p-value与显著性水平分行显示
也可以将标签指定为字符向量,不要映射,只需将p.signif两端的…去掉即可

3.3 配对样本
compare_means(len~supp, data=ToothGrowth, paired = TRUE)
## A tibble: 1 x 8
#  .y.   group1 group2       p  p.adj p.format p.signif
#                   
#1 len   OJ     VC     0.00431 0.0043 0.0043   **      
## … with 1 more variable: method 

利用ggpaired()进行可视化

ggpaired(ToothGrowth, x="supp", y="len", color = "supp", line.color = "gray",
line.size = 0.4, palette = "jco")+ stat_compare_means(paired = TRUE)
3.4 多组比较 Global test
compare_means(len~dose, data=ToothGrowth, method = "anova")
## A tibble: 1 x 6
#  .y.          p   p.adj p.format p.signif method
#                   
#1 len   9.53e-16 9.5e-16 9.5e-16  ****     Anova 

绘图

p1=ggboxplot(ToothGrowth, x="dose", y="len", color = "dose", palette = "jco")+
stat_compare_means()
#使用其他的方法
p2=ggboxplot(ToothGrowth, x="dose", y="len", color = "dose", palette = "jco")+
stat_compare_means(method = "anova")
p1|p2

Pairwise comparisons:如果分组变量中包含两个以上的水平,那么会自动进行pairwise test,默认方法为”wilcox.test”

compare_means(len~dose, data=ToothGrowth)
## A tibble: 3 x 8
#  .y.   group1 group2           p    p.adj p.format p.signif
#                         
#1 len   0.5    1          7.02e-6   1.4e-5 7.0e-06  ****    
#2 len   0.5    2          8.41e-8   2.5e-7 8.4e-08  ****    
#3 len   1      2          1.77e-4   1.8e-4 0.00018  ***     
## … with 1 more variable: method 
#可以指定比较哪些组
my_comparisons <- list(c("0.5", "1"), c("1", "2"), c("0.5", "2"))
p1=ggboxplot(ToothGrowth, x="dose", y="len", color = "dose",palette = "jco")+
  stat_compare_means(comparisons=my_comparisons)+ # Add pairwisecomparisons p-value 
  stat_compare_means(label.y = 50) # Add global p-value
#可以通过修改参数label.y来更改标签的位置
p2=ggboxplot(ToothGrowth, x="dose", y="len", color = "dose",palette = "jco")+
  stat_compare_means(comparisons=my_comparisons, label.y = c(29, 35, 40))+
  # Add pairwise comparisons p-value
  stat_compare_means(label.y = 45) # Add global p-value
p1|p2

参考:https://blog.csdn.net/xj4math/article/details/115448669

你可能感兴趣的:(添加p-value和显著性标记:ggsignif和ggpubr)