【R包】ggstatsplot包-组间或条件间对比可视化分析

专题介绍：R是一种广泛用于数据分析和统计计算的强大语言，于上世纪90年代开始发展起来。得益于全世界众多爱好者的无尽努力，大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio（用户的界面体验更好）。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献，让R语言在全球范围内越来越流行。其中一些R包，例如MASS，SparkR， ggplot2，使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件，是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上，而且嵌入了一个非常方便实用的帮助系统，相比于其他统计分析软件，R的学术性开发比较早，适合生物学和医学等学术学科的科研人员使用。

是新朋友吗？记得先点R语言关注我哦～

《R包学习》专栏·第5篇

文 | James

1780字 | 5分钟阅读

【R语言】已开通R语言社群，五湖四海，天南地北，各行各业，有缘相聚，共享R事，雕刻数据，求解问题，以创价值。喜乐入群者，请加微信号luqin360，或扫描文末二维码，添加为好友，同时附上R-入群。有朋自远方来，不亦乐乎，并诚邀入群，以达相互学习和进步之美好心愿。

有时候，我们需要基于组间或者条件间下对所关心的指标做对比分析，以发现其差异性。我们常用的做法，会根据组间或者条件间的个数，结合参数或者非参数的原理，从统计学里选取合适的检验方法来解答这个问题。

本文分享ggstatsplot包的ggbetweenstats函数，以实现组间或者条件间对比可视化分析。阅读本文，你可以获得：

1 ggstatsplot包是什么？

2 ggbetweenstats函数的作用和使用

3 利用参数grouping.var实现多种情形下的组间对比分析

ggstatsplot包是ggplot2包的扩展包，使用它绘制图形可以包含丰富而有意义的统计信息。一个典型探索性数据分析工作流中，数据可视化和统计方法建模所属两个不同阶段。可视化对建模有影响，而建模又可以指导选择不同的可视化方法，两者之间相互相成，形成一种正反馈。ggstatsplot包的基本思想很简单：以富含统计信息的图形将这个两个阶段合二为一，从而使得数据探索更加简单和快速，提升了工作效率和生产率。

ggstatsplot包安装和加载。

if(!require(ggstatsplot)){  install.packages('ggstatsplot')  require(ggstatsplot)}

如果你需要论文或者上下文引用这个包，可以R语言控制台执行如下语句：

citation("ggstatsplot")

结果如下：

Patil, I. (2018). ggstatsplot: ‘ggplot2’ Based Plots with Statistical

Details. CRAN. Retrieved from

https://cran.r-project.org/web/packages/ggstatsplot/index.html

A BibTeX entry for LaTeX users is

@Article{,

title = {{ggstatsplot}: ‘ggplot2’ Based Plots with Statistical Details},

author = {Indrajeet Patil},

year = {2018},

journal = {CRAN},

url = {https://CRAN.R-project.org/package=ggstatsplot},

doi = {10.5281/zenodo.2074621},

}

ggbetweenstats函数创建小提琴图、箱形图或者两者的综合图，以进行组间或者条件间对比的可视化分析，统计检验的结果放在副标题的位置。图形上的统计检验结果报告符合APA统计报告的标准。例如，一个对截尾均值进行稳健t检验的统计结果报告。

一、简单示例

set.seed(123) # 可重复性测试ggbetweenstats(  data = iris,  x = Species,  y = Sepal.Length,  title = "Iris类型下萼片长度的分布") +   theme(plot.title = element_text(hjust = 0.5),        plot.subtitle = element_text(hjust = 0.5))

效果图

这个函数的默认返回值，包括：

我们可以按需做调整和配置。

二、配置参数，以更改默认项或者用图形更有意义

# 参数设置，让图片更加有意义或者更改默认项# 可重复性实验set.seed(123)# 数据理解library(tidyverse)glimpse(ToothGrowth)# 可视化ggbetweenstats(  data = ToothGrowth,  x = supp,  y = len,  type = "r", # robust statistics  k = 3, # number of decimal places for statistical results  xlab = "Supplement type", # label for the x-axis variable  ylab = "Tooth length", # label for the y-axis variable  title = "The Effect of Vitamin C on Tooth Growth", # title text for the plot  ggtheme = ggthemes::theme_fivethirtyeight(), # choosing a different theme  ggstatsplot.layer = FALSE, # turn off `ggstatsplot` theme layer  package = "wesanderson", # package from which color palette is to be taken  palette = "Darjeeling1" # choosing a different color palette)

效果图

三、参数grouping.var实现多种情形下的组间对比分析

# 可重复性设计set.seed(123)# 数据理解glimpse(movies_long)xtabs(~mpaa, data = movies_long)# 可视化grouped_ggbetweenstats(  data = dplyr::filter(    .data = movies_long,    genre %in% c("Action","Comedy")  ),  x = mpaa,  y = length,  grouping.var = genre, # grouping variable  outlier.tagging = TRUE, # whether outliers need to be tagged  outlier.label = title, # variable to be used for tagging outliers  outlier.coef = 2,  ggsignif.args = list(textsize = 4, tip_length = 0.01),  p.adjust.method = "bonferroni", # method for adjusting p-values for multiple comparisons  # adding new components to `ggstatsplot` default  ggplot.component = list(ggplot2::scale_y_continuous(sec.axis = ggplot2::dup_axis())),  title.prefix = "Movie genre",  caption = substitute(paste(italic("Source"), ": IMDb (Internet Movie Database)")),  palette = "default_jama",  package = "ggsci",  plotgrid.args = list(nrow = 2),  annotation.args = list(title = "Differences in movie length by mpaa ratings for different genres"))