三水网站建设/搜狗推广登录平台官网

1. R语言单因素方差分析
   代码如下

df <- read.csv("data.csv",header = TRUE,row.names = 1)
library(reshape2)
df <- melt(df,id=c())
names(df) <- c('trt', 'val') 
df
aov1 <- aov(val~trt,data=df)
summary(aov1)library(agricolae)
data <- LSD.test(aov1,'trt',p.adj = 'bonferroni')#'bonferroni'#对P值进行修正
data
print(data$groups)
plot(data)

开始逐行解释：
导入数据

#导入数据
df <- read.csv("data.csv",header = TRUE,row.names = 1)
df
> dfa        b        c        d        e        f        k
1 3.186224 3.262900 2.397264 2.300343 1.806937 2.711331 2.945837
2 2.975125 3.068194 2.962235 2.233887 2.136561 4.185355 3.018140
3 3.150602 4.297190 2.518045 2.169607 2.473778 3.948050 2.785514

宽数据变为长数据，并且重命名

library(reshape2)
df <- melt(df,id=c())
names(df) <- c('trt', 'val') 
df
> dftrt      val
2    a 2.975125
3    a 3.150602
4    b 3.262900
5    b 3.068194
6    b 4.297190
7    c 2.397264
8    c 2.962235
9    c 2.518045
10   d 2.300343
11   d 2.233887
12   d 2.169607
13   e 1.806937
14   e 2.136561
15   e 2.473778
16   f 2.711331
17   f 4.185355
18   f 3.948050
19   k 2.945837
20   k 3.018140
21   k 2.785514

查看方差分析结果：
其中Pr(>F)=0.00661<0.05，说明组间存在差异显著

aov1 <- aov(val~trt,data=df)
summary(aov1)
> summary(aov1)Df Sum Sq Mean Sq F value  Pr(>F)   
trt          6  6.096  1.0160   5.125 0.00661 **
Residuals   13  2.577  0.1982                   
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

查看组间差异结果并作字母标注

library(agricolae)#需要用的包
data <- LSD.test(aov1,'trt',p.adj = 'bonferroni')#'bonferroni'#对P值进行修正
data
> data#注意这个里面内容比较多，比较杂，可以通过print(data$groups)命令只查看组间差异结果
$statisticsMSerror Df     Mean       CV0.1982471 13 2.867345 15.52828$parameterstest  p.ajusted name.t ntr alphaFisher-LSD bonferroni    trt   7  0.05$meansval        std r        se      LCL      UCL      Min      Max      Q25      Q50      Q75
a 3.062863 0.12408098 2 0.3148389 2.382695 3.743032 2.975125 3.150602 3.018994 3.062863 3.106733
b 3.542761 0.66056761 3 0.2570649 2.987406 4.098116 3.068194 4.297190 3.165547 3.262900 3.780045
c 2.625848 0.29751332 3 0.2570649 2.070493 3.181203 2.397264 2.962235 2.457654 2.518045 2.740140
d 2.234612 0.06537102 3 0.2570649 1.679257 2.789967 2.169607 2.300343 2.201747 2.233887 2.267115
e 2.139092 0.33342770 3 0.2570649 1.583737 2.694447 1.806937 2.473778 1.971749 2.136561 2.305169
f 3.614912 0.79146850 3 0.2570649 3.059557 4.170267 2.711331 4.185355 3.329690 3.948050 4.066702
k 2.916497 0.11905604 3 0.2570649 2.361142 3.471852 2.785514 3.018140 2.865676 2.945837 2.981988$comparison
NULL$groupsval groups
f 3.614912      a
b 3.542761     ab
a 3.062863    abc
k 2.916497    abc
c 2.625848    abc
d 2.234612     bc
e 2.139092      cattr(,"class")
[1] "group"

#下面这个是单独查看groups的内容

#下面这个是单独查看groups的内容
print(data$groups)
> print(data$groups)val groups
f 3.614912      a
b 3.542761     ab
a 3.062863    abc
k 2.916497    abc
c 2.625848    abc
d 2.234612     bc
e 2.139092      c

接下来对上述结果进行详细解释：
groups这一列的结果可以理解为找同类，其中val这列是按照均值从大到小排列，先把最大的标记为a，然后，找f的同类，凡是同类都标为a，直到找到第一个异类，然后标记为b，同时停止往下再找f的同类了，然后，开始找标记为b的同类，也就是d: 2.234612同类，先往上找同类，找到的都标为b，直到找完为止，然后再往下找同类，直到找到第一个异类，然后标记为c，然后重复这种工作。最后，这个同类就是两者间是不否存在差异显著性，异类就是存在差异显著性。

最后，画图

plot(data)

画箱线图，并标记字母

p3=ggplot(df,aes(x=trt,y=val))+ geom_boxplot()+ theme(panel.grid.major = element_blank(), panel.grid.minor = element_blank(),text=element_text(size=13.5),legend.position="None",legend.title= element_blank(),)+labs(y='val',x='trt')+annotate("text", label = "abc",x = 1, y = 3.2, size = 5)+annotate("text", label = "ab",x = 2, y = 4.35, size = 5)+annotate("text", label = "abc",x = 3, y = 3.03, size = 5)+annotate("text", label = "bc",x = 4, y = 2.35, size = 5)+annotate("text", label = "c",x = 5, y = 2.53, size = 5)+annotate("text", label = "a",x = 6, y = 4.25, size = 5)+annotate("text", label = "abc",x = 7, y = 3.05, size = 5)
p3