差异分析完整解决方案升级版
我看见过最全的差异分析教程，但是好像还没有最智能的，机械的差异分析教程。因为这些标准都是死的，我们完全可以使用if来解放我们的大脑。
之前我有一篇推送： R语言一键批量完成差异统计和可视化（https://mp.weixin.qq.com/s/OrAx7ueiDa-O_pvpsQICGA/） 提供了这个差异检测编码流程，但是做的比较粗糙，代码冗余过多，出现错误向上排查比较困难。所以这次我将本来1000行的代码修改到了300行，精简了许多。
一张神图，解决科研统计80%的问题（https://mp.weixin.qq.com/s/OhkSFJSUcgDD9nFdc8kHTg）。 如果如作者所言：神图，解决科研统计80%的问题，那么我的这个流程把这张图90%的内容都进行了自动化数据识别和自动分析。顺便画张图，还有两种出图方式任你选择（建议箱线图，更准确）。
同时有几个地方我进行了升级：
aov添加多种多重比较的方法，并映射到图形上。
提供两种作图方式，两种差异展示方式。
提供表格形式的结果文件方便查看。
这次代码升级有几个地方需要认真编写：
柱状图的差异分析line形式的差异自动添加：如图：
这里我还是本来想使用ggpubr进行做的，发现这里面根本就没有柱状图添加line形式的差异的方法，最后还是使用了ggsignif包，其实就这一个包就够了。
if (sig_show == "line") {
zuhe = combn(aa$group,2)
xxxx <- tapply(zuhe,rep(1:ncol(zuhe),each=nrow(zuhe)),function(i)i)
xxxx
sig_lis = rep("a",dim(zuhe)[2])
for (i in 1:dim(zuhe)[2]) {
library(tidyverse)
library("ggsignif")
if (filter(aa, group == xxxx[[i]][1])$groups == filter(aa, group == xxxx[[i]][2])$groups) {
sig_lis[i] = "no_sig"
}
if (filter(aa, group == xxxx[[i]][1])$groups != filter(aa, group == xxxx[[i]][2])$groups) {
sig_lis[i] = "*"
}
}
两两非参数检验结果是成对的，之前我可能提高多如何将成对差异结果表示为字母，这是本次升级的又一个技巧：multcompLetters函数。
names(wilcox_levels) = paste(xx$group1,xx$group2,sep = "-")
wilcox.labels <- data.frame(multcompLetters(wilcox_levels, threshold = 0.05)['Letters'])
colnames(wilcox.labels) = "groups"
aa = wilcox.labels
那如果将字母形式的显著性标记结果转化为两两比较的结果呢，这里有我自己编写了一个脚本，做了这个转化；
zuhe = combn(aa$group,2)
xxxx <- tapply(zuhe,rep(1:ncol(zuhe),each=nrow(zuhe)),function(i)i)
xxxx
sig_lis = rep("a",dim(zuhe)[2])
for (i in 1:dim(zuhe)[2]) {
library(tidyverse)
library("ggsignif")
if (filter(aa, group == xxxx[[i]][1])$groups == filter(aa, group == xxxx[[i]][2])$groups) {
sig_lis[i] = "no_sig"
}
if (filter(aa, group == xxxx[[i]][1])$groups != filter(aa, group == xxxx[[i]][2])$groups) {
sig_lis[i] = "*"
}
}
到这里我们似乎就没什么难度了，将整个函数编写完毕，运行不同的参数进行调试即可：
导入数据
# 读入实验设计
data_wt = read.table("./cs.txt", header=T, sep="\t");head(data_wt)
##数据由长变宽
data_wt = dcast(data_wt,ID +group ~ grou, value.var = "count")
#这里备注所需的数据格式
#前量列从第一列开始是ID，第二列是分组信息，剩下的列均为数据列
head(data_wt)
下面运行函数，首先测试五种多重比较方法
single_diff_and_plot (data_wt,plotname = "南京农业大学_",plot = "bar",method_Mc ="LSD")
single_diff_and_plot (data_wt,plotname = "南京农业大学_",plot = "bar",method_Mc ="scheffe")
single_diff_and_plot (data_wt,plotname = "资源与环境科学学院_",plot = "box",method_Mc ="LSD" )
single_diff_and_plot (data_wt,plotname = "资源与环境科学学院_",plot = "box",method_Mc = "scheffe" )
method_Mc == "Duncan"
single_diff_and_plot (data_wt,plotname = "资源与环境科学学院_",plot = "box",method_Mc = "Duncan" )
接着测试显著性标注方式
single_diff_and_plot (data_wt,plotname = "资源与环境科学学院_",plot = "box",method_Mc = "Duncan",sig_show = "abc" )
single_diff_and_plot (data_wt,plotname = "资源与环境科学学院_",plot = "box",method_Mc = "Duncan",sig_show = "line" )
single_diff_and_plot (data_wt,plotname = "资源与环境科学学院_",plot = "box",method_Mc = "Duncan",sig_show = "abc" )
函数默认参数如下：
data_wt = data_wt,##默认数据集
plotname = "wentao_",#出图同意带有这个前缀
plot = "bar",#出图形式为bar
#method_cv: 方差齐心方法选择,有两种方法：method_cv == "leveneTest",method_cv == "bartlett.test"
method_cv = "bartlett.test"
,
method_Mc = "Tukey",
sig_show = "abc"
成图和差异表格列表欣赏：