给直方图和线图添加误差棒

准备数据

这里使用ToothGrowth 数据集。

library(ggplot2) 
df <- ToothGrowth 
df$dose <- as.factor(df$dose) 
head(df) 
## 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
len :牙齿长度dose : 剂量 (0.5, 1, 2) 单位是毫克supp : 支持类型 (VC or OJ)

在下面的例子中，我们将绘制每组中牙齿长度的均值。标准差用来绘制图形中的误差棒。

首先，下面的帮助函数会用来计算每组中兴趣变量的均值和标准差：

#+++++++++++++++++++++++++ 
# Function to calculate the mean and the standard deviation 
# for each group 
#+++++++++++++++++++++++++ 
# data : a data frame 
# varname : the name of a column containing the variable 
#to be summariezed 
# groupnames : vector of column names to be used as 
# grouping variables 
data_summary <- function(data, varname, groupnames){ 
require(plyr) 
summary_func <- function(x, col){ 
c(mean = mean(x[[col]], na.rm=TRUE), sd = sd(x[[col]], na.rm=TRUE)) } data_sum<-ddply(data, groupnames, .fun=summary_func, varname) 
data_sum <- rename(data_sum, c("mean" = varname)) 
return(data_sum) }

最受欢迎的见解

1.R语言绘制生存曲线估计|生存分析|如何R作生存曲线图

2.R语言生存分析可视化分析

3.R语言如何在生存分析与Cox回归中计算IDI，NRI指标

4.r语言中使用Bioconductor 分析芯片数据

5.R语言生存分析数据分析可视化案例

6.r语言ggplot2误差棒图快速指南

7.R 语言绘制功能富集泡泡图

8.R语言如何找到患者数据中具有差异的指标？（PLS—DA分析）

9.R语言中的生存分析Survival analysis晚期肺癌患者4例

统计数据

df2 <- data_summary(ToothGrowth, varname="len", groupnames=c("supp", "dose")) # 把剂量转换为因子变量 
df2$dose=as.factor(df2$dose) 
head(df2) 
## supp dose len sd 
## 1 OJ 0.5 13.23 4.459709 
## 2 OJ 1 22.70 3.910953 
## 3 OJ 2 26.06 2.655058 
## 4 VC 0.5 7.98 2.746634 
## 5 VC 1 16.77 2.515309 
## 6 VC 2 26.14 4.797731

函数 geom_errorbar()可以用来生成误差棒：

library(ggplot2) # Default bar plot 
p<- ggplot(df2, aes(x=dose, y=len, fill=supp)) + geom_bar(stat="identity", color="black", position=position_dodge()) + geom_errorbar(aes(ymin=len-sd, ymax=len+sd), width=.2, position=position_dodge(.9)) 
print(p) # Finished bar plot 
p+labs(title="Tooth length per dose", x="Dose (mg)", y = "Length")+ theme_classic() + scale_fill_manual(values=c('#999999','#E69F00'))

你可以选择只保留上方的误差棒：

# Keep only upper error bars 
ggplot(df2, aes(x=dose, y=len, fill=supp)) + geom_bar(stat="identity", color="black", position=position_dodge()) + geom_errorbar(aes(ymin=len, ymax=len+sd), width=.2, position=position_dodge(.9))

有误差棒的线图 # Default line plot 
p<- ggplot(df2, aes(x=dose, y=len, group=supp, color=supp)) + geom_line() + geom_point()+ geom_errorbar(aes(ymin=len-sd, ymax=len+sd), width=.2, position=position_dodge(0.05)) 
print(p) 
# Finished line plot 
p+labs(title="Tooth length per dose", x="Dose (mg)", y = "Length")+ theme_classic() + scale_color_manual(values=c('#999999','#E69F00'))

你也可以使用函数 geom_pointrange() 或 geom_linerange() 替换 geom_errorbar()

# Use geom_pointrange 
ggplot(df2, aes(x=dose, y=len, group=supp, color=supp)) + geom_pointrange(aes(ymin=len-sd, ymax=len+sd)) 
# Use 
geom_line()+geom_pointrange() 
ggplot(df2, aes(x=dose, y=len, group=supp, color=supp)) + geom_line()+ geom_pointrange(aes(ymin=len-sd, ymax=len+sd))

有均值和误差棒的点图

使用函数 geom_dotplot() and stat_summary() ：

The mean +/- SD can be added as a crossbar , a error bar or a pointrange :



p <- ggplot(df, aes(x=dose, y=len)) + geom_dotplot(binaxis='y', stackdir='center') 
# use geom_crossbar() 
p + stat_summary(fun.data="mean_sdl", fun.args = list(mult=1), geom="crossbar", width=0.5) 
# Use geom_errorbar() 
p + stat
_summary(fun.data=mean_sdl, fun.args = list(mult=1), geom="errorbar", color="red", width=0.2) + stat_summary(fun.y=mean, geom="point", color="red") 
# Use geom_pointrange() 
p + stat_summary(fun.data=mean_sdl, fun.args = list(mult=1), geom="pointrange", color="red")