箱线图（又称盒须图）通过绘制连续型变量的五数总括，即最小值、下四分位数（第25百分位数）、中位数（第50百分位数）、上四分位数（第75百分位数）以及最大值，描述了连续型变量 的分布。“它主要用于反映原始数据分布的特征,还可以进行多组数据分布特征的比较”。
一，建立正态随机分布的数据
在这里我先建立了几组满足正态随机分布的数据，主题是观察“在不同浓度的氮肥添加下，长脐红豆根系总长度的差异性”。(treatment=A、B、C、D，RL=根长）
设定A浓度氮肥添加下长脐红豆的根系总长度均值为72cm，SD为4，即A(mean=72,sd=4).
以此类推:B(mean=55,sd=3),C(mean=56,sd=5),D(mean=50,sd=4).
set.seed(1234)#设定种子数dataA=rnorm(n=30,mean=72,sd=4)#随机生成A组浓度30个数据，mean=72，sd=4dataB=rnorm(n=30,mean=55,sd=3)dataC=rnorm(n=30,mean=56,sd=5)dataD=rnorm(n=30,mean=50,sd=4)root<- data.frame(A=dataA,B=dataB,C=dataC,D=dataD)#以四组数据创建数据框root
二，绘制箱线图
使用tidyr程序包中的gather函数，将数据从宽数据转化为长数据，并使用ggplot2、ggpubr程序包中的函数进行数据分析和作图。（建议在学习的时候多看一下函数包的用法，并相应的模仿使用）
library(ggplot2) library(ggpubr)library(tidyr) root1 <- gather(root,key = 'treatment',value = "RL",A,B,C,D)#数据框架调整root1
ggpubr程序包中的compare_means():进行数据的一组或多组间的比较。
compare_means(RL~treatment, data=root1,method = "t.test")#见补充内容
绘制箱线图:
p1<-ggplot(root1,aes(x=treatment,y=RL,fill=treatment))+geom_boxplot()+scale_fill_manual(values=c("red","yellow","blue","green"))#以treatment组别为类别进行颜色填充p1
设定比较对象，并在原始箱线图上添加显著性分析和添加误差线。
comparisons_lists<-list(c("A", "B"), c("A", "C"), c("A", "D"),c("B", "C"),c("B", "D"),c("C", "D"))p2<-p1+stat_compare_means(comparisons=comparisons_lists,label="p.signif")+stat_boxplot(geom="errorbar",width=0.5)#见补充内容p2
添加一个标题
p2+labs(x='treatment',y='RL',title='不同氮肥浓度对长脐红豆根长的影响')+theme(plot.title = element_text(hjust = 0.5))#调整标题位置
R语言绘制箱线图并添加相关显著性的大致内容就这些，有很多其他调整图形的方法以及细节掌控，这里就不赘述了，各位可以去看Winston的《R Graphics Cookbook》，个人认为里面的内容是能让你学会R语言简单作图的。
三，补充内容
ggpubr包:compare_means()和stat_compare_means()
compare_means(formula,data,method = "wilcox.test",paired = FALSE,group.by = NULL, ref.group = NULL,symnum.args = list(),p.adjust.method = "holm",...)
stat_compare_means(mapping = NULL, comparisons = NULL ，method.args = list()，hide.ns = FALSE,label = NULL, label.x = NULL, label.y = NULL, …)
这里有个重要的点是，在进行数据的方法比较时，要确定自己的数据状况，本文的数据是设定的符合参数检验的组别，通常进行自己的数据处理时，一定要分析数据是符合参数检验还是非参数检验，然后选定方法进行组别比较。
觉得有用可以点赞收藏哈~
如果觉得《R语言绘制箱线图并添加相关显著性》对你有帮助，请点赞、收藏，并留下你的观点哦！
