In taowenmicro/EasyAovWlxPlot:
```{css include=FALSE}
pre code,pre,code {
white-space:pre!important;
overflow-x: scroll!important;
}
```r
knitr::opts_chunk$set(echo = TRUE,
fig.width = 7,
fig.height = 5,
fig.align = "center",
warning = FALSE,
message = FALSE
)
差异分析完整解决方案
前一段时间推出了包存在一些细节问题：譬如：
- 非参数检验无字母标注混乱。
- 其次，由于我在做差异检测和出图的时候需要制定同样的数据，所以i设置要相同，之前我没有设置相同，所有将其他列的差异检测结果映射到了别的数据，导致上一篇推送字母标注问题。
目前本包函数其他函数有些小问题，我已经修正，所以大家使用起来应该放心，我修改了示例数据，增加到每个处理6个重复，所以可以更好的作为示例数据再次为大家演示一遍。
感谢大家的关注，也会让这个包更加好用，本次处理修正一些错误之外，我还添加的新的出图样式。来源于2020年2月刚刚online的NBT文章。大家继续往后看吧。
EasyAovWlxPlot 使用指南
安装EasyAovWlxPlot包
```{R eval=FALSE, include=FALSE}
library(devtools)
install_github("taowenmicro/EasyAovWlxPlot")
如果国外不可用，则使用国内备份安装
remotes::install_git('https://gitee.com/wentaomicro/EasyAovWlxPlot')
导入包和数据，数据均来自真实试验和文公开文献下载，通过调整分组加入。
```{R}
# 导入差异分析包
library(EasyAovWlxPlot)
# 导入作图所需要的ggplot包
library(ggplot2)
#使用内置数据1
data(data_wt)
#内置数据2
data(env)
基于单个指标的统计分析
正态检验和方差齐性分析，使用?NorNorCVTest查看帮助信息，你会发现目前帮助信息都是使用中文写的，不过随着包的逐渐成熟，和功能的不断完善，将逐渐使用英文编写帮助文档。
# 使用?NorNorCVTest查看帮助信息
##使用案例
NorCV = NorNorCVTest(data = data_wt, i= 4,method_cv = "leveneTest")
#提取正态检验结果
NorCV[[1]]
#提取方差齐性检验结果
NorCV[[2]]
norm.test会按照分组告诉大家是否符合正态分布。
方差分析(aovMcomper)
-
data:输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
i:代表您想要进行统计的列，比如：第三列：i = 3
-
method_Mc:选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == "LSD";method_Mc == "SNK";method_Mc == "Duncan";method_Mc == "scheffe"
# ?aovMcomper
result= aovMcomper (data = data_wt, i= 5,method_Mc = "Tukey")
# 提取多重比较结果
result[[1]]
#提取方差检验结果
result[[2]]
结果中多重比较的展示全部使用字母表示了，虽然许多多种比较方法默认展示方式不同，但是我已经在包中将这些展示方式调整一致为字母。
非参数检验
两个参数代表的意义与方差分析的两个相同；
-
data:输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
i:代表您想要进行统计的列，比如：第三列：i = 3
# ?KwWlx
res = KwWlx(data = data_wt, i= 5)
# 调用非参数两两比较结果：字母标记展示
res[[1]]
#表格展示两两之间差异结果
res[[2]]
差异可视化方案（两种差异表示，三种图形展示）
柱状图展示方差分析或非参数检验结果（aovMuiBarPlot）
在这个包中将差异检测和出图部分分离，方便选择合适的图表和差异可视化的策略。最终要的参数是result ：为前面差异分析结果中的第一个表单，格式为第一列差异显著字母，第二列分组标签，列名，分组标签。如果只是用可视化的函数，直接从外面导入类似数据即可。
# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示： 柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="abc",result = result[[1]])
#提取结果
PlotresultBar[[1]]
#提取方差分析或非参数检验结果
PlotresultBar[[2]]
# ?aovMuiBarPlot
###----使用方差检验结果和多重比较结果做展示： 柱状图展示
PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="line",result = result[[1]])
#提取结果
PlotresultBar[[1]]
#提取方差分析或非参数检验结果
PlotresultBar[[2]]
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
i：代表您想要进行统计的列，比如：第三列：i = 3
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，第一列是显著性差异字母，第二列是分组group
箱线图展示方差分析或非参数检验结果（aovMuiBoxP）
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
i：代表您想要进行统计的列，比如：第三列：i = 3
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，第一列是显著性差异字母，第二列是分组group
# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 5,sig_show ="abc",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p
# ?aovMuiBoxP
# #使用案例
PlotresultBox = aovMuiBoxP(data = data_wt, i= 5,sig_show ="line",result = result[[1]])
# 提取检验结果
PlotresultBox[[2]]
#提取图片
p = PlotresultBox[[1]]
p
点柱图-完美解决柱状图无法展示样本信息的缺陷
# result= aovMcomper (data = data_wt, i= 5,method_Mc = "Tukey")
# # 提取多重比较结果
# result[[1]]
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 5,sig_show ="abc",result = result[[1]])
#提取图片
p = PlotresultBox[[1]]
p
EasyAovWlxPlot包为什么能完美解决差异分析呢.因为他比你想象的要强大。下面使用连线形式展示差异，显著的差异按照标注星号，不显著的标注ns。
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 5,sig_show ="line",result = result[[1]])
#提取图片
p = PlotresultBox[[1]]
p
多指标模式
多个指标同时做正态检验和方差齐性分析（MuiNorCV）
这里对多组数据进行分析，结果我是用T或F代表，方便阅读。
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
method_cv：代表选择方差齐性的方法，有两种可供选择：method_cv == "bartlett.test" ;method_cv == "leveneTest"
dim(data_wt)
# ?MuiNorCV
# 使用案例
norCv = MuiNorCV(data = data_wt,num = c(4:10),method_cv = "leveneTest")
#展示正态检验和方差齐性结果
norCv
这里由于指标比较多，所以我将结果进行简化，直接使用ture和false来提示大家，cor是正态性检测组，cv是方差齐性检测。
多个指标方差检验（MuiaovMcomper）
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc = "LSD";method_Mc = "SNK";method_Mc = "Duncan";method_Mc ="scheffe"
# ? MuiaovMcomper
# #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:6),method_Mc = "Tukey")
#提取每个指标方差检验多重比较结果
result
同样，多个指标展示按照指标每列为一组检测结果。
多个指标非参数检验（MuiKwWlx）
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
# ? MuiKwWlx
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
#提取每个指标非参数检验多重比较结果
result
结果和多组方差分析结果一样。很好用于后面的出图，同样也适合自己导入数据，使用出图
多组数据可视化差异分析结果： 柱状图（MuiPlotresultBar）
多组指标分开出图，比较麻烦的是图形的保存，如果还需要让你一个一个保存图片，那也是相当繁琐的，所以这里我设置了自动保存，也只有这种方式是自动保存，其他单个，多组分面图形较少，所以就可以自己保存。
我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名；
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
# ?MuiPlotresultBar
# # #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:6))
result
# #结果直接输出到文件夹中
MuiPlotresultBar(data = data_wt,num = c(4:6),result = result ,sig_show ="line")
多组数据可视化差异分析结果：箱线图（MuiPlotresultBox）
我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名；
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
# ?MuiPlotresultBox
#使用案例
result = MuiKwWlx(data = data_wt,num = c(4:8))
result
# #直接出图到文件夹中
MuiPlotresultBox(data = data_wt,num = c(4:8),result = result,sig_show ="abc")
线柱图
输入和箱线图一致
# ?MuiPlotresultBox
#使用案例
result = MuiKwWlx(data = data_wt,num = c(4:8))
result
# #直接出图到文件夹中
MuiPlotReBoxBar(data = data_wt,num = c(4:8),result = result,sig_show ="line")
差异结果展示：分面展示柱状图：(FacetMuiPlotresultBar)
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
- ncol:代表分面展示每一行放几张图
# ?FacetMuiPlotresultBar
# # #使用案例
result = MuiaovMcomper(data = data_wt,num = c(4:11),method_Mc = "Tukey")
result
result1 = FacetMuiPlotresultBar(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 )
result1[[1]]
差异结果展示：分面展示柱状图：(FacetMuiPlotresultBox)
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
- ncol:代表分面展示每一行放几张图
# ?FacetMuiPlotresultBox
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:11))
result
#
result1 = FacetMuiPlotresultBox(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 )
result1[[1]]
使用两种方法，我们可以对比非参数检验和方差检验结果是否一致
下面使用线柱图展示
library(ggplot2)
# ?FacetMuiPlotresultBox
# #使用案例
result = MuiKwWlx(data = data_wt,num = c(4:11))
result
#
result1 = FacetMuiPlotReBoxBar(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 )
result1[[1]] + theme_bw()
注意以上三种分面展示的目前仅支持字母标注显著性，连线形式的尚未添加。
单个指标一体化分析（SingleStat）
这个函数可以将我们的目标列做正态检验和方差齐性，然后根据结果选择方差检验或者多重比较方法，最后选择自己需要的出图方式和显著性标记方式展示。
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
i：代表您想要进行统计的列，比如：第三列：i = 3
-
method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == "LSD";method_Mc == "SNK";method_Mc == "Duncan";method_Mc == "scheffe"
-
plot：可以选择需要的出图类型，柱状图和箱线图
# ?SingleStat
# # #使用案例
# #输出结果第一个为图片，第二个是统计结果，第三个是统计方法
result = SingleStat(data = data_wt,plot = "bar",method_Mc = "Tukey",i= 4,sig_show ="abc")
# #导出图片
p = result[[1]]
p
可以更换出图方式,当然这里会自动判断使用方差分析，还是非参数检验。选择结果会展示在结果的第三个列表中，可自行查看。
# ?SingleStat
# # #使用案例
# #输出结果第一个为图片，第二个是统计结果，第三个是统计方法
result = SingleStat(data = data_wt,plot = "box",method_Mc = "Tukey",i= 4,sig_show ="abc")
# 提取差异检测结果
result[[2]]
# 提取差异检测放啊
result[[3]]
# #导出图片
p = result[[1]]
p
# ?SingleStat
# # #使用案例
# #输出结果第一个为图片，第二个是统计结果，第三个是统计方法
result = SingleStat(data = data_wt,plot = "boxbar",method_Mc = "Tukey",i= 4,sig_show ="abc")
# 提取差异检测结果
result[[2]]
# 提取差异检测放啊
result[[3]]
# #导出图片
p = result[[1]]
p
多个指标一体化分析(MuiStat)
实现了多个指标批量整体运行；这个函数可以将我们的目标列做正态检验和方差齐性，然后根据结果选择方差检验或者多重比较方法，最后选择自己需要的出图方式和显著性标记方式展示。
# ?MuiStat
#使用案例
result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "box",plottype = "mui")
result[[1]]
# 提取方差检测的列
result$aov
# 提取f非参数检测的列
result$wlx
# 提取差异检测结果
result$table
柱状图
result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "bar",plottype = "mui")
result[[1]]
result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "boxbar",plottype = "mui")
result[[1]]
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
method_cv：代表选择方差齐性的方法，有两种可供选择：method_cv == "bartlett.test" ;method_cv == "leveneTest"
method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == "LSD";method_Mc == "SNK";method_Mc == "Duncan";method_Mc == "scheffe"
plot：可以选择需要的出图类型，柱状图和箱线图
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
ncol：代表分面展示每一行放几张图
plottype：输出图形是分面展示plottype =mui，还是单张展示:plottype == "single"
taowenmicro/EasyAovWlxPlot documentation built on March 6, 2020, 1:55 p.m.
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
```{css include=FALSE} pre code,pre,code { white-space:pre!important; overflow-x: scroll!important; }
```r
knitr::opts_chunk$set(echo = TRUE,
fig.width = 7,
fig.height = 5,
fig.align = "center",
warning = FALSE,
message = FALSE
)
差异分析完整解决方案
前一段时间推出了包存在一些细节问题：譬如： - 非参数检验无字母标注混乱。 - 其次，由于我在做差异检测和出图的时候需要制定同样的数据，所以i设置要相同，之前我没有设置相同，所有将其他列的差异检测结果映射到了别的数据，导致上一篇推送字母标注问题。
目前本包函数其他函数有些小问题，我已经修正，所以大家使用起来应该放心，我修改了示例数据，增加到每个处理6个重复，所以可以更好的作为示例数据再次为大家演示一遍。
感谢大家的关注，也会让这个包更加好用，本次处理修正一些错误之外，我还添加的新的出图样式。来源于2020年2月刚刚online的NBT文章。大家继续往后看吧。
EasyAovWlxPlot 使用指南
安装EasyAovWlxPlot包
```{R eval=FALSE, include=FALSE} library(devtools) install_github("taowenmicro/EasyAovWlxPlot")
如果国外不可用，则使用国内备份安装
remotes::install_git('https://gitee.com/wentaomicro/EasyAovWlxPlot')
导入包和数据，数据均来自真实试验和文公开文献下载，通过调整分组加入。
```{R}
# 导入差异分析包
library(EasyAovWlxPlot)
# 导入作图所需要的ggplot包
library(ggplot2)
#使用内置数据1
data(data_wt)
#内置数据2
data(env)
基于单个指标的统计分析
正态检验和方差齐性分析，使用?NorNorCVTest查看帮助信息，你会发现目前帮助信息都是使用中文写的，不过随着包的逐渐成熟，和功能的不断完善，将逐渐使用英文编写帮助文档。
# 使用?NorNorCVTest查看帮助信息 ##使用案例 NorCV = NorNorCVTest(data = data_wt, i= 4,method_cv = "leveneTest") #提取正态检验结果 NorCV[[1]] #提取方差齐性检验结果 NorCV[[2]]
norm.test会按照分组告诉大家是否符合正态分布。
方差分析(aovMcomper)
-
data:输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
i:代表您想要进行统计的列，比如：第三列：i = 3
-
method_Mc:选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == "LSD";method_Mc == "SNK";method_Mc == "Duncan";method_Mc == "scheffe"
# ?aovMcomper result= aovMcomper (data = data_wt, i= 5,method_Mc = "Tukey") # 提取多重比较结果 result[[1]] #提取方差检验结果 result[[2]]
结果中多重比较的展示全部使用字母表示了，虽然许多多种比较方法默认展示方式不同，但是我已经在包中将这些展示方式调整一致为字母。
非参数检验
两个参数代表的意义与方差分析的两个相同；
-
data:输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
i:代表您想要进行统计的列，比如：第三列：i = 3
# ?KwWlx res = KwWlx(data = data_wt, i= 5) # 调用非参数两两比较结果：字母标记展示 res[[1]] #表格展示两两之间差异结果 res[[2]]
差异可视化方案（两种差异表示，三种图形展示）
柱状图展示方差分析或非参数检验结果（aovMuiBarPlot）
在这个包中将差异检测和出图部分分离，方便选择合适的图表和差异可视化的策略。最终要的参数是result ：为前面差异分析结果中的第一个表单，格式为第一列差异显著字母，第二列分组标签，列名，分组标签。如果只是用可视化的函数，直接从外面导入类似数据即可。
# ?aovMuiBarPlot ###----使用方差检验结果和多重比较结果做展示： 柱状图展示 PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="abc",result = result[[1]]) #提取结果 PlotresultBar[[1]] #提取方差分析或非参数检验结果 PlotresultBar[[2]]
# ?aovMuiBarPlot ###----使用方差检验结果和多重比较结果做展示： 柱状图展示 PlotresultBar = aovMuiBarPlot(data = data_wt, i= 5,sig_show ="line",result = result[[1]]) #提取结果 PlotresultBar[[1]] #提取方差分析或非参数检验结果 PlotresultBar[[2]]
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
i：代表您想要进行统计的列，比如：第三列：i = 3
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，第一列是显著性差异字母，第二列是分组group
箱线图展示方差分析或非参数检验结果（aovMuiBoxP）
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
i：代表您想要进行统计的列，比如：第三列：i = 3
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，第一列是显著性差异字母，第二列是分组group
# ?aovMuiBoxP # #使用案例 PlotresultBox = aovMuiBoxP(data = data_wt, i= 5,sig_show ="abc",result = result[[1]]) # 提取检验结果 PlotresultBox[[2]] #提取图片 p = PlotresultBox[[1]] p
# ?aovMuiBoxP # #使用案例 PlotresultBox = aovMuiBoxP(data = data_wt, i= 5,sig_show ="line",result = result[[1]]) # 提取检验结果 PlotresultBox[[2]] #提取图片 p = PlotresultBox[[1]] p
点柱图-完美解决柱状图无法展示样本信息的缺陷
# result= aovMcomper (data = data_wt, i= 5,method_Mc = "Tukey") # # 提取多重比较结果 # result[[1]] PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 5,sig_show ="abc",result = result[[1]]) #提取图片 p = PlotresultBox[[1]] p
EasyAovWlxPlot包为什么能完美解决差异分析呢.因为他比你想象的要强大。下面使用连线形式展示差异，显著的差异按照标注星号，不显著的标注ns。
PlotresultBox = aovMuiBoxBarP(data = data_wt, i= 5,sig_show ="line",result = result[[1]]) #提取图片 p = PlotresultBox[[1]] p
多指标模式
多个指标同时做正态检验和方差齐性分析（MuiNorCV）
这里对多组数据进行分析，结果我是用T或F代表，方便阅读。
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
method_cv：代表选择方差齐性的方法，有两种可供选择：method_cv == "bartlett.test" ;method_cv == "leveneTest"
dim(data_wt) # ?MuiNorCV # 使用案例 norCv = MuiNorCV(data = data_wt,num = c(4:10),method_cv = "leveneTest") #展示正态检验和方差齐性结果 norCv
这里由于指标比较多，所以我将结果进行简化，直接使用ture和false来提示大家，cor是正态性检测组，cv是方差齐性检测。
多个指标方差检验（MuiaovMcomper）
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc = "LSD";method_Mc = "SNK";method_Mc = "Duncan";method_Mc ="scheffe"
# ? MuiaovMcomper # #使用案例 result = MuiaovMcomper(data = data_wt,num = c(4:6),method_Mc = "Tukey") #提取每个指标方差检验多重比较结果 result
同样，多个指标展示按照指标每列为一组检测结果。
多个指标非参数检验（MuiKwWlx）
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
# ? MuiKwWlx # #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:6)) #提取每个指标非参数检验多重比较结果 result
结果和多组方差分析结果一样。很好用于后面的出图，同样也适合自己导入数据，使用出图
多组数据可视化差异分析结果： 柱状图（MuiPlotresultBar）
多组指标分开出图，比较麻烦的是图形的保存，如果还需要让你一个一个保存图片，那也是相当繁琐的，所以这里我设置了自动保存，也只有这种方式是自动保存，其他单个，多组分面图形较少，所以就可以自己保存。
我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名；
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
# ?MuiPlotresultBar # # #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:6)) result # #结果直接输出到文件夹中 MuiPlotresultBar(data = data_wt,num = c(4:6),result = result ,sig_show ="line")
多组数据可视化差异分析结果：箱线图（MuiPlotresultBox）
我让该函数自动保存每个指标的出图文件到当前文件夹中。这些文件以该指标名称命名；
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
# ?MuiPlotresultBox #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:8)) result # #直接出图到文件夹中 MuiPlotresultBox(data = data_wt,num = c(4:8),result = result,sig_show ="abc")
线柱图
输入和箱线图一致
# ?MuiPlotresultBox #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:8)) result # #直接出图到文件夹中 MuiPlotReBoxBar(data = data_wt,num = c(4:8),result = result,sig_show ="line")
差异结果展示：分面展示柱状图：(FacetMuiPlotresultBar)
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
- ncol:代表分面展示每一行放几张图
# ?FacetMuiPlotresultBar # # #使用案例 result = MuiaovMcomper(data = data_wt,num = c(4:11),method_Mc = "Tukey") result result1 = FacetMuiPlotresultBar(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 ) result1[[1]]
差异结果展示：分面展示柱状图：(FacetMuiPlotresultBox)
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
-
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
-
result：代表显著性差异分析结果，是一个数据框，每一列是显著性标记字母,MuiKwWlx
- ncol:代表分面展示每一行放几张图
# ?FacetMuiPlotresultBox # #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:11)) result # result1 = FacetMuiPlotresultBox(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 ) result1[[1]]
使用两种方法，我们可以对比非参数检验和方差检验结果是否一致
下面使用线柱图展示
library(ggplot2) # ?FacetMuiPlotresultBox # #使用案例 result = MuiKwWlx(data = data_wt,num = c(4:11)) result # result1 = FacetMuiPlotReBoxBar(data = data_wt,num = c(4:11),result = result,sig_show ="abc",ncol = 4 ) result1[[1]] + theme_bw()
注意以上三种分面展示的目前仅支持字母标注显著性，连线形式的尚未添加。
单个指标一体化分析（SingleStat）
这个函数可以将我们的目标列做正态检验和方差齐性，然后根据结果选择方差检验或者多重比较方法，最后选择自己需要的出图方式和显著性标记方式展示。
-
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
-
i：代表您想要进行统计的列，比如：第三列：i = 3
-
method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == "LSD";method_Mc == "SNK";method_Mc == "Duncan";method_Mc == "scheffe"
-
plot：可以选择需要的出图类型，柱状图和箱线图
# ?SingleStat # # #使用案例 # #输出结果第一个为图片，第二个是统计结果，第三个是统计方法 result = SingleStat(data = data_wt,plot = "bar",method_Mc = "Tukey",i= 4,sig_show ="abc") # #导出图片 p = result[[1]] p
可以更换出图方式,当然这里会自动判断使用方差分析，还是非参数检验。选择结果会展示在结果的第三个列表中，可自行查看。
# ?SingleStat # # #使用案例 # #输出结果第一个为图片，第二个是统计结果，第三个是统计方法 result = SingleStat(data = data_wt,plot = "box",method_Mc = "Tukey",i= 4,sig_show ="abc") # 提取差异检测结果 result[[2]] # 提取差异检测放啊 result[[3]] # #导出图片 p = result[[1]] p
# ?SingleStat # # #使用案例 # #输出结果第一个为图片，第二个是统计结果，第三个是统计方法 result = SingleStat(data = data_wt,plot = "boxbar",method_Mc = "Tukey",i= 4,sig_show ="abc") # 提取差异检测结果 result[[2]] # 提取差异检测放啊 result[[3]] # #导出图片 p = result[[1]] p
多个指标一体化分析(MuiStat)
实现了多个指标批量整体运行；这个函数可以将我们的目标列做正态检验和方差齐性，然后根据结果选择方差检验或者多重比较方法，最后选择自己需要的出图方式和显著性标记方式展示。
# ?MuiStat #使用案例 result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "box",plottype = "mui") result[[1]] # 提取方差检测的列 result$aov # 提取f非参数检测的列 result$wlx # 提取差异检测结果 result$table
柱状图
result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "bar",plottype = "mui") result[[1]]
result = MuiStat(data = data_wt,num = c(4:11),method_cv = "leveneTest",method_Mc = "Tukey",sig_show = "abc",ncol = 4,plot = "boxbar",plottype = "mui") result[[1]]
data：输入数据框，第一列为样本编号，第二列为分组，注意分组标签必须设定为group，第三列以后就是妮妮测定或者收集的指标了
num：代表您想要进行统计的列,这里可以输入多个列，只需要指定列号即可：例如：num = c(4:6)
method_cv：代表选择方差齐性的方法，有两种可供选择：method_cv == "bartlett.test" ;method_cv == "leveneTest"
method_Mc：选择需要使用的多重比较方法，这里又多种方法可供选择：method_Mc == "LSD";method_Mc == "SNK";method_Mc == "Duncan";method_Mc == "scheffe"
plot：可以选择需要的出图类型，柱状图和箱线图
sig_show：代表差异展示方式；sig_show ="abc"是使用字母表示;sig_show ="line"是使用连线和星号表示；如果是NA，那么就不显示显著性结果
ncol：代表分面展示每一行放几张图
plottype：输出图形是分面展示plottype =mui，还是单张展示:plottype == "single"
R Package Documentation
Browse R Packages
We want your feedback!
Note that we can't provide technical support on individual packages. You should contact the package authors for that.
Embedding an R snippet on your website
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.