R语言实战：用iris数据集玩转科研图表中的显著性分析
第一次接触科研图表时，我被那些密密麻麻的星号和P值搞得晕头转向。直到发现R语言中的ggplot2和ggpubr组合，才明白原来显著性分析可以如此优雅。iris数据集就像一位耐心的老师，用它来学习组间差异分析再合适不过了。
1. 数据准备与初步探索
在开始任何分析前，我们需要先了解数据的基本情况。iris数据集包含了三种鸢尾花（setosa、versicolor和virginica）的四个测量指标：萼片长度、萼片宽度、花瓣长度和花瓣宽度。
# 加载必要的包 library(ggplot2) library(ggpubr) library(dplyr) # 查看数据结构 head(iris) str(iris) summary(iris)运行这些代码后，你会看到数据的前几行和结构概览。特别要注意的是Species列，这是我们后续分组分析的关键。
数据探索的四个关键点：
- 检查缺失值：
sum(is.na(iris)) - 查看各组样本量：
table(iris$Species) - 计算各组描述统计量：
iris %>% group_by(Species) %>% summarise_all(mean) - 绘制基础分布图：
plot(iris$Sepal.Length ~ iris$Species)
2. 可视化基础：箱线图与散点图的组合艺术
科研图表的核心是清晰传达信息。箱线图展示分布特征，散点图显示个体数据点，二者结合是最佳实践。
# 基础箱线图 ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), alpha = 0.7) + theme_minimal()这个简单的箱线图已经能展示不同物种间萼片长度的差异。但我们可以做得更好：
# 增强版箱线图+散点图 ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), outlier.shape = NA, width = 0.6) + geom_jitter(aes(color = Species), width = 0.1, alpha = 0.6) + scale_fill_brewer(palette = "Set2") + scale_color_brewer(palette = "Set2") + labs(title = "鸢尾花萼片长度比较", x = "物种", y = "萼片长度(cm)") + theme_bw(base_size = 12)图表优化技巧：
- 使用
outlier.shape = NA隐藏箱线图的异常值标记，因为我们已经用散点图展示所有数据点 - 调整
width参数控制箱线图和散点图的水平分布 - 选择适合印刷的配色方案（如ColorBrewer的Set2）
- 添加清晰的标题和轴标签
3. 统计检验方法的选择与实施
在添加显著性标记前，我们需要选择合适的统计检验方法。这取决于数据的分布特性和比较类型。
3.1 正态性与方差齐性检验
# Shapiro-Wilk正态性检验 by(iris$Sepal.Length, iris$Species, shapiro.test) # Bartlett方差齐性检验 bartlett.test(Sepal.Length ~ Species, data = iris)如果数据符合正态分布且方差齐性，可以使用ANOVA；否则应考虑非参数检验如Kruskal-Wallis检验。
3.2 组间差异的整体检验
# Kruskal-Wallis检验（非参数方法） kruskal.test(Sepal.Length ~ Species, data = iris) # 如果数据满足参数检验条件，可以使用ANOVA summary(aov(Sepal.Length ~ Species, data = iris))4. 在图表中添加显著性标记
ggpubr包的stat_compare_means函数让显著性标记变得简单。
4.1 整体比较标记
ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), width = 0.6) + geom_jitter(aes(color = Species), width = 0.1, alpha = 0.6) + stat_compare_means(method = "kruskal.test", label.y = 8.5, label.x = 1.5) + scale_fill_brewer(palette = "Set2") + scale_color_brewer(palette = "Set2") + theme_bw()4.2 两两比较标记
更常见的是需要比较各组之间的差异：
# 定义比较组 my_comparisons <- list(c("setosa", "versicolor"), c("versicolor", "virginica"), c("setosa", "virginica")) # 添加两两比较结果 ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), width = 0.6) + geom_jitter(aes(color = Species), width = 0.1, alpha = 0.6) + stat_compare_means(comparisons = my_comparisons, method = "wilcox.test", label = "p.signif") + stat_compare_means(method = "kruskal.test", label.y = 8.5) + scale_fill_brewer(palette = "Set2") + scale_color_brewer(palette = "Set2") + theme_bw()stat_compare_means常用参数：
| 参数 | 说明 | 常用取值 |
|---|---|---|
| method | 统计检验方法 | "t.test", "wilcox.test", "anova", "kruskal.test" |
| label | 标签类型 | "p.signif"（星号）, "p.format"（P值）, "p.value" |
| comparisons | 两两比较列表 | list(c("group1","group2"),...) |
| label.y | 标签垂直位置 | 数值，根据数据范围调整 |
| hide.ns | 是否隐藏不显著结果 | TRUE/FALSE |
5. 进阶技巧与常见问题解决
5.1 处理重叠的显著性标记
当比较组较多时，标记可能会重叠。解决方法：
# 使用step.increase参数增加标记间距 ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), width = 0.6) + stat_compare_means(comparisons = my_comparisons, method = "wilcox.test", label = "p.signif", step.increase = 0.1) # 增加10%的间距5.2 调整显著性标记的显示方式
有时我们需要更详细的统计信息：
# 显示检验方法和P值 ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), width = 0.6) + stat_compare_means(comparisons = my_comparisons, method = "wilcox.test", label = "p.format", tip.length = 0.01) # 调整连接线长度5.3 分面图表的显著性标记
当数据有多个分组变量时，分面是个好选择：
# 创建一个包含分组的新数据集 iris_group <- iris iris_group$Treatment <- rep(c("A","B"), each = 75)[1:150] # 分面图表 ggplot(iris_group, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), width = 0.6) + geom_jitter(aes(color = Species), width = 0.1, alpha = 0.6) + stat_compare_means(method = "kruskal.test", label = "p.format") + facet_wrap(~Treatment) + theme_bw()5.4 保存高质量图表
最后，别忘了保存你的杰作：
p <- ggplot(iris, aes(x = Species, y = Sepal.Length)) + geom_boxplot(aes(fill = Species), width = 0.6) + geom_jitter(aes(color = Species), width = 0.1, alpha = 0.6) + stat_compare_means(comparisons = my_comparisons, method = "wilcox.test", label = "p.signif") + scale_fill_brewer(palette = "Set2") + scale_color_brewer(palette = "Set2") + theme_bw() # 保存为PDF（适合论文投稿） ggsave("iris_comparison.pdf", p, width = 8, height = 6, dpi = 300) # 保存为PNG（适合PPT展示） ggsave("iris_comparison.png", p, width = 8, height = 6, dpi = 300)在实际分析中，我发现调整图表细节往往比跑统计检验更耗时。一个实用的建议是：先快速生成基础图表验证分析思路，等确定方向后再花时间美化图表。ggplot2的图层系统让这种迭代过程变得非常高效。
