折线图通常用于动态变化的数据，例如某事件随着时间的变化。本文使用的是分组数据来演示绘制步骤（分组数据最好用柱形图来展示）。
首先看一下我们用到的数据：
列名是浓度，分别是control组，0，25，50，100，200，500μM。共三行，代表三个复孔。
加载需要的R包：
library(reshape2)
library(tidyverse)
library(ggplot2)
导入数据：
data <- read.csv(file = "clipboard",header = T,sep = "\t")
data <- t(data)
data <- as.data.frame(data) #ggplot包作用于数据框
变换数据成为需要的格式：
data$order <- c(1,2,3,4,5,6,7) # 排列图中横坐标顺序（折线图中横坐标必须是数字型向量，这里我是按照浓度梯度排列的）
data$sd <- apply(data[,c(1:3)],1,sd) # 计算标准差，用于画误差棒
data$mean <- apply(data[,c(1:3)],1,mean) #计算均数，用于画折线图（折线图就是一组数对另一组数画图）
绘图：
ggplot(data,aes(x = order,y = mean))+ # x,y都是数字类型，这里我设置x为1，2，3，4，5，6，7，就是为了排列我想要的横坐标顺序。当然也可以设置成别的顺序，来保证横坐标刻度标签在图中的顺序。
geom_errorbar(aes(ymin = mean-sd ,ymax = mean + sd),size = 1.2,width = 0.2,color = "gray")+ #添加误差线，这里我第一个函数就是添加误差线，就是为了把误差线画在第一个图层上，这样不会覆盖别的图像。
geom_line(size = 1.2,color = "black")+ # 第二个图层绘制线图
geom_point(shape = 16,size = 6,color = rainbow(7))+ #第三个绘制点图，并设置点的形状（可以直接赋值因子向量，也可以直接赋值数字向量，或者直接赋值数字，都对应这不同的形状）
labs(x = expression(paste("Dose (",mu,"M)")),y = "Relative number of apoptosis(%)")+
coord_cartesian(ylim = c(10,40))+
scale_x_discrete(limits = factor(seq(1,7,1)),labels = c("control","0","25","50","100","200","500"))+ # 设置横轴的刻度标签。
theme(panel.background = element_blank(),
panel.grid.major.y = element_line(colour = "grey",linetype = 2),
axis.line = element_line(colour = "black",size = rel(2),arrow = arrow(angle = 30,length = unit(0.1,"inches"))),
axis.title = element_text(size = rel(1.2)),
axis.text.x = element_text(size = rel(1.5),hjust = 0.5),
axis.text.y = element_text(hjust = 1,size = rel(1.5)),
axis.ticks = element_line(size = rel(1.5)),
plot.margin = margin(15,9,9,9))
#之前在柱形图里讲到的geom_signif函数只能进行两两比较（t检验，秩和检验），因此不适用于分组很多的变量。这时可以先用R语言进行方差分析，并进行两两比较，把有差异的两组用geom_segment和geom_text函数自己加到图中。或者使用我们后面会讲到的别的函数来绘制（卖个关子，嘿嘿）。