跟着iMeta学作图｜分组柱状图+差异字母标记

library(openxlsx)library(dplyr)library(tidyr)library(agricolae)  library(ggplot2)
# 如果没有安装R包可以使用下面的命令安装install.packages("openxlsx")install.packages("vegan")install.packages("dplyr")install.packages("ggplot2")

setwd('C:/Users/law/Desktop/')   # 设置工作路径
data = read.xlsx("imeta分组柱状图数据.xlsx", sheet = 1)   # 读取数据names(data)[1] <- "sampleid"    #  修改第一列的列名为 sampleid,减少后面代码需要改动的地方
group_data = read.xlsx("imeta分组柱状图数据.xlsx", sheet = 2)  # 读取分组数据names(group_data)[1] <- "sampleid"  names(group_data)[2] <- "group"   

idx_col <- names(data)[-1]   #  读取除了sampleid一列，其余列的列名，作为后续转换的临时变量
# 将数据从宽格式转换为长格式data_long <- data %>%    pivot_longer(        cols = all_of(idx_col),  # 选择要转换的列名        names_to = "Group",                 # 原列名变成新的一列列        values_to = "value"                   # 原数值变成新列    )%>%    drop_na(value)   # 删除na的行，如果有的话
# 合并分组信息到长格式数据中data_long <- merge(data_long, group_data, by = "sampleid")

data_long <- data_long %>%    mutate(        sampleid = factor(sampleid, levels = unique(data$sampleid)),        Group = factor(Group, levels = idx_col)    ) %>%    arrange(sampleid, Group)

# 计算均值和标准差data_mean <- data_long %>%    group_by(Group, group) %>%    dplyr::summarize(        mean_data = mean(value, na.rm = T),        sd = sd(value, na.rm = T),        n=sum(!is.na(value)),        se = sd/sqrt(n),        max_data = max(value, na.rm = TRUE),    # 最大值        min_data = min(value, na.rm = TRUE),    # 最小值        .groups = "drop"  # 计算完毕之后，取消分组    )  #给均值添加显著性检验结果Group <- unique(data_long$Group)  # 获取所有的 Group 水平mark_result <- data.frame()   # 初始化一个空的数据框，用于存储每个 Group 的显著性标记结果for (i in Group){    # 设置临时变量    temp_data <- filter( data_long, Group == i)    # 进行 LSD 检验，这里可以根据自己的需求选择不同的多重比较方法比如：HSD、Duncan 等
    LSD_test <- LSD.test( lm(value ~ group, temp_data), 'group',p.adj = 'BH', alpha = 0.05)    # 合并检验数据    mark_result <- rbind(        mark_result,        data.frame(            LSD_test$groups,            Group = i,            group = rownames(LSD_test$groups)        ),        make.row.names = FALSE   # 不保留原始行名，让新行名自动变成 1、2、3…，防止行名混乱    )}# 将字母标记的信息和均值数据合并data_mean <- merge(data_mean, mark_result, by = c("Group", "group"))

data_mean$Group <- factor(data_mean$Group, levels = unique(data_long$Group)  )  # 这里的顺序可以根据实际情况调整data_mean$group <- factor(data_mean$group, levels =  unique(data_long$group)  )  # 这里的顺序可以根据实际情况调整data_long$group <- factor(data_long$group, levels = unique(data_long$group)   )

p = ggplot(data_mean, aes(x = Group, y = mean_data, color = group)) +    geom_bar(position = position_dodge(width = 0.8), stat = "identity",             width = 0.6, linewidth = 1.5, fill = 'white') +    # 添加样本点并按照group映射颜色    geom_point(data = data_long, aes(y = value, color = group),               position = position_jitterdodge(jitter.width = 0.2, dodge.width = 0.8),               alpha = 1, size = 3, shape = 16, show.legend = FALSE) +    # 添加误差棒    geom_errorbar(aes(ymin = mean_data - sd, ymax = mean_data + sd),                  position = position_dodge(0.8), width = 0.2,                  linewidth = 1, show.legend = FALSE) +    # 添加整理好的标记字母    geom_text(data = data_mean,              aes(x = Group, y = max_data, group = group, label = groups),              color = 'black', position = position_dodge(0.8),              size = 8, vjust = -0.5, show.legend = FALSE)
p

p = p +    scale_color_manual( values = c('#D1166D', '#0F99B1', '#FF7900', '#028102'), name = '' ) +  # 使用 RColorBrewer 的调色板    labs(x = NULL, y = "Fat weight/BW (%)") +    theme_classic() +    scale_y_continuous(        breaks = c(0,2,4,6,8),  # 指定刻度位置        expand = expansion(mult = c(0, 0.11)) # 设置y轴的范围扩展    )+    scale_x_discrete(expand = c(0.05,0.05) ) +    theme(        axis.text.x = element_text(size = 20,face = 'bold'),        axis.text.y = element_text(size = 20),        axis.title.y = element_text(size = 20,face = 'bold'),        legend.title = element_text(size = 15),        legend.text = element_text(size = 20),        legend.position = 'top',   # 图例位置设置到上方        legend.direction = 'horizontal',   # 图例水平展示        axis.ticks = element_line(size = 1.5),  # x轴刻度线        axis.ticks.length = unit(0.4, "cm"),  # 刻度线的长度        axis.line = element_line(linewidth = 1.5) # xy轴的粗细            ) +    guides(color = guide_legend(ncol = 2))   # 图例“一行 2 个”
p

#可以选择导出pdf、jpg、png等格式ggsave("分组柱状图.pdf", plot = p, width = 7, height = 6)

library(openxlsx)library(dplyr)library(tidyr)library(agricolae)  library(ggplot2)
setwd('C:/Users/law/Desktop/')  # 设置工作路径data = read.xlsx("imeta分组柱状图.xlsx", sheet = 1)   # 读取数据names(data)[1] <- "sampleid"#  修改第一列的列名为 sampleid,有利于后面代码统一减少需要改动的地方
group_data = read.xlsx("imeta分组柱状图.xlsx", sheet = 2)names(group_data)[1] <- "sampleid"names(group_data)[2] <- "group"
idx_col <- names(data)[-1]   #  读取除了sampleid一列，其余列的列名，作为后续转换的依据# 将数据从宽格式转换为长格式data_long <- data %>%    pivot_longer(        cols = all_of(idx_col),  # 选择要转换的列，就是一簇一簇的名称，通俗一些就是分组组装图的x轴名称        names_to = "Group",                 # 原列名变成新的一列列        values_to = "value"# 原数值变成新列    )%>%    drop_na(value)
# 合并分组信息到长格式数据中data_long <- merge(data_long, group_data, by = "sampleid")
# 设置为因子类型并按默认顺序排列data_long <- data_long %>%    mutate(        sampleid = factor(sampleid, levels = unique(data$sampleid)),        Group = factor(Group, levels = idx_col)    ) %>%    arrange(sampleid, Group)
# 计算均值和标准差data_mean <- data_long %>%    group_by(Group, group) %>%    dplyr::summarize(        mean_data = mean(value, na.rm = T),         sd = sd(value, na.rm = T),        n=sum(!is.na(value)),        se = sd/sqrt(n),        max_data = max(value, na.rm = TRUE),    # 最大值        min_data = min(value, na.rm = TRUE),    # 最小值        .groups = "drop"# 计算完毕之后，取消分组
    )  
##给均值添加显著性检验结果Group <- unique(data_long$Group)  # 获取所有的 Group 水平mark_result <- data.frame()   # 初始化一个空的数据框，用于存储每个 Group 的显著性标记结果
for (i in Group){# 设置临时变量    temp_data <- filter( data_long, Group == i)
# 进行 LSD 检验，这里可以根据自己的需求选择不同的多重比较方法比如：HSD、Duncan 等    LSD_test <- LSD.test( lm(value ~ group, temp_data), 'group',p.adj = 'BH', alpha = 0.05)
    mark_result <- rbind(        mark_result,        data.frame(            LSD_test$groups,             Group = i,             group = rownames(LSD_test$groups)        ),        make.row.names = FALSE# 不保留原始行名，让新行名自动变成 1、2、3…，防止行名混乱    )}
data_mean <- merge(data_mean, mark_result, by = c("Group", "group"))
# 设置因子类型，保持绘图顺序和读取数据顺序一致data_mean$Group <- factor(data_mean$Group, levels = unique(data_long$Group)  )  # 这里的顺序可以根据实际情况调整data_mean$group <- factor(data_mean$group, levels =  unique(data_long$group)  )  # 这里的顺序可以根据实际情况调整data_long$group <- factor(data_long$group, levels = unique(data_long$group)   )
p = ggplot(data_mean, aes(x = Group, y = mean_data, color = group)) +    geom_bar(position = position_dodge(width = 0.8),              stat = "identity",              width = 0.6,             linewidth = 1.5,             fill = 'white'    ) +    geom_point(data = data_long,                aes(y = value, color = group),                position = position_jitterdodge(jitter.width = 0.2, dodge.width = 0.8),                alpha = 1,               size = 3,                shape = 16,               show.legend = F) +
    geom_errorbar(aes(ymin = mean_data - sd, ymax = mean_data + sd),                   position = position_dodge(width = 0.8), width = 0.2, linewidth = 1, show.legend = FALSE) +
    geom_text(data = data_mean,               aes(x = Group,                   y = max_data,                  group = group,                  label = groups              ),              color = 'black',              position = position_dodge(0.8),               size = 8,              show.legend = FALSE,              vjust = -0.5) # 配置颜色、调整字体p = p +    scale_color_manual( values = c('#D1166D', '#0F99B1', '#FF7900', '#028102'), name = '' ) +  # 使用 RColorBrewer 的调色板    labs(x = NULL, y = "Fat weight/BW (%)") +    theme_classic() +    scale_y_continuous(        breaks = c(0,2,4,6,8),  # 指定刻度位置        expand = expansion(mult = c(0, 0.11)) # 设置y轴的范围扩展    )+    scale_x_discrete(expand = c(0.05,0.05) ) +    theme(        axis.text.x = element_text(size = 20,face = 'bold'),        axis.text.y = element_text(size = 20),        axis.title.y = element_text(size = 20,face = 'bold'),        legend.title = element_text(size = 15),        legend.text = element_text(size = 20),        legend.position = 'top',        legend.direction = 'horizontal',        axis.ticks = element_line(size = 1.5),  # x轴刻度线        axis.ticks.length = unit(0.4, "cm"),  # 刻度线的长度        axis.line = element_line(linewidth = 1.5) # xy轴的粗细
    ) +    guides(color = guide_legend(ncol = 2))   # 图例“一行 2 个”
p
ggsave("分组柱状图.pdf", plot = p, width = 7, height = 6)