神奇小工具丨ggplot绘图显著性添加工具---ggsignif
在数据分析过程中，常常遇到需要把组间的显著性添加到图形中，但是在ggplot2中实现起来略显麻烦，幸运的是，在这个世界上有很多无私的大神，早就为我们想到了这一点。
今天给大家介绍一款ggplot2的插件：
ggsignif 是发表在github上的开源包，专门用于在box plot上添加显著性标签。
https://github.com/const-ae/ggsignif
使用之前要进行安装：
安装稳定版本：
install.packages("ggsignif")
安装最新开发版本：
devtools::install_github("const-ae/ggsignif")
睁大你的眼睛，看一波炫酷的案例图：
以上图例来源于ggsignif在github主页上的示例图
在讲绘图之前，先介绍一点统计分析的知识，我们在做差异性分析的时候，一般情况首先会判断数据是否符合正态分布，在这选择适合的统计方法：
R函数 | 描述 |
t.test() | 比较两组(参数) |
wilcox.test() | 比较两组(非参数) |
aov()或anova() | 比较多组(参数) |
kruskal.test() | 比较多组(非参数) |
ggsignif主要的一个函数是geom_signif()，他的使用方法和ggplot2中其他的geom_***()一样，作为图层添加到图形中就可以，他的主要参数如下表：
参数 | 说明 |
comparisons | list，设置需要比较的组 |
test | 选择检验方法，t.test, wilcox.test |
test.args | 给test传入的参数 |
map_signif_level | bool值，如果为TRUE，显示方法为"***"=0.001, "**"=0.01, "*"=0.05 |
step_increase | 设置标注之间的距离 |
孙老湿举栗子
library(ggplot2)
library(ggthemr) #载入上期介绍的主题配置包
library(ggsignif) #载入ggsignif
我们使用iris数据集作为演示，iris数据集Species作为分类标签，Species有3个类别（"versicolor"、"virginica"、"setosa"），用head(iris)查看数据集的前6行：
Species的三组两两分别作差异性检验，提前设定好配对分析的list：
compaired <- list(c("versicolor", "virginica"),
c("versicolor","setosa"),
c("virginica","setosa"))绘制geom_boxplot()：
ggthemr("flat")
p <- ggplot(iris, aes(Species, Sepal.Width, fill = Species)) +
geom_boxplot() +
ylim(1.5, 6.5) +
geom_signif(comparisons = compaired,
step_increase = 0.3,
map_signif_level = F,
test = wilcox.test)
p绘制小提琴图geom_violin()：
ggthemr("flat")
p <- ggplot(iris, aes(Species, Sepal.Width, fill = Species)) +
geom_violin() +
ylim(1.5, 6.5) +
geom_signif(comparisons = compaired,
step_increase = 0.5,
map_signif_level = F,
test = wilcox.test)
p
修改参数map_signif_level=TRUE：
ggthemr("flat")
p <- ggplot(iris, aes(Species, Sepal.Width, fill = Species)) +
geom_violin() +
ylim(1.5, 6.5) +
geom_signif(comparisons = compaired,
step_increase = 0.3,
map_signif_level = T,
test = wilcox.test)
p本系列课程主要侧重于讲解图形原理，以及在R中的实现过程，并没有特意追求美观，故很多图的细节部分修饰有限，大家重点理解实现过程。
有任何问题，欢迎在文末留言讨论。
扫码关注，获取更多精彩内容
我
是
彩
蛋
关注公众号后：
回复文字：好好学习，收听喜马拉雅FM电台栏目《一分钟听懂NGS基础概念》，让生信分析不再遥不可及。
回复文字：果然科学，给你看另一篇好玩的文章。