如何将紧凑的字母显示添加到ggboxplot()中？

Question

我试图在我创建的框图中添加紧凑的字母显示，有没有机会将cldList()函数与ggboxplot()结合起来？

这是我的样本数据

library(FSA)
library(multcompView)
library(rcompanion)
library(ggplot2)
library(ggpubr)
library(tidyr)

df_list <- list(
  `1.3.A` = 
    tibble::tribble(
      ~Person, ~Height, ~Weight,
      "Alex",    175,     75,
      "Gerard",    110,     85,
      "Clyde",    120,     79
    ),
  `2.2.A` = 
    tibble::tribble(
      ~Person, ~Height, ~Weight,
      "Missy",    162,     55,
      "Britany",    111,     56,
      "Sussie",    192,     85
    ), 
  `1.1.B` = 
    tibble::tribble(
      ~Person, ~Height, ~Weight,
      "Luke",    177,     66,
      "Alex",    169,     69,
      "Haley",    145,     54
    )
)


lapply(df_list, function(i) ggboxplot(i, x = "Person", y = c("Height", "Weight"), combine = TRUE))
lapply(df_list, function(k) dunnTest(Weight ~ as.factor(Person), method = "bh", data = k))
lapply(df_list, function(i) cldList(P.adj ~ Comparison, threshold = 0.05))

我试图为每个Person添加重要的字母，在我的原始数据中，我有30个组要比较，并在框图中添加紧凑的字母显示将使数据解释更加容易。

我在一个列表中也有多个数据文件，我想知道cldList()是否可以包装在lapply()函数中。

我希望有人能帮忙。

Answer 1

我是您已经在评论中提到过的示例的作者。其中一位评论员已经正确地指出了.group列的来源。但是，当指出代码与示例中的代码之间的一般区别时，我发现

1. 数据 1a.你的数据每一个因子水平都有一个观察值。 1b。我的数据每一个因子级别都有多个观测值。
2. 平均比较 2a。您使用FSA::Dunntest来拟合模型，并立即比较每个因素级别的平均值。 2b。我用lm()来建立一个模型，然后用emmeans::emmeans()来比较每个因素水平的平均值。
3. 紧凑型字母显示 3a。你用rcompanion::cldList()得到这些字母。 3b。我用multcomp::cld()得到这些字母。

我认为第2点和第3点都很好--只是不同的函数导致了相同的目标。我试着用你的方法处理我的数据，结果成功了：

dunnTest_out <- FSA::dunnTest(weight ~ as.factor(group), method = "bh", data = PlantGrowth)
rcompanion::cldList(P.adj ~ Comparison, data = dunnTest_out$res, threshold = 0.05)
#>   Group Letter MonoLetter
#> 1  ctrl     ab         ab
#> 2  trt1      a         a 
#> 3  trt2      b          b

然而，在我看来，你的数据似乎是错的。如果您的“意思”不是真正的意思，而是单个值，您就不应该能够将“意思”相互比较，甚至不能执行测试(如果您的“意思”实际上不是“意思”而是单个值，那么测试的结果可以通过紧凑的字母显示来显示)。

我将您的示例简化为其中一个数据集：

dat_1.1.B <- 
  tibble::tribble(
    ~Person, ~Height, ~Weight,
    "Luke",    177,     66,
    "Alex",    169,     69,
    "Haley",    145,    54
  )

dunnTest_out <- FSA::dunnTest(Weight ~ as.factor(Person), method = "bh", data = dat_1.1.B)
dunnTest_out
#> Dunn (1964) Kruskal-Wallis multiple comparison
#>   p-values adjusted with the Benjamini-Hochberg method.
#>     Comparison          Z   P.unadj     P.adj
#> 1 Alex - Haley  1.4142136 0.1572992 0.4718976
#> 2  Alex - Luke  0.7071068 0.4795001 0.4795001
#> 3 Haley - Luke -0.7071068 0.4795001 0.7192502

rcompanion::cldList(P.adj ~ Comparison, data = dunnTest_out$res, threshold = 0.05)
#> Error: No significant differences.

请注意，当我将其中一个Weight值更改为大得多的数值但p-值一点也不改变时，很明显有些东西不能正常工作。

dat_1.1.B <- 
  tibble::tribble(
    ~Person, ~Height, ~Weight,
    "Luke",    177,     66,
    "Alex",    169,     100000069,
    "Haley",    145,     54
  )

dunnTest_out <- FSA::dunnTest(Weight ~ as.factor(Person), method = "bh", data = dat_1.1.B)
dunnTest_out
#> Dunn (1964) Kruskal-Wallis multiple comparison
#>   p-values adjusted with the Benjamini-Hochberg method.
#>     Comparison          Z   P.unadj     P.adj
#> 1 Alex - Haley  1.4142136 0.1572992 0.4718976
#> 2  Alex - Luke  0.7071068 0.4795001 0.4795001
#> 3 Haley - Luke -0.7071068 0.4795001 0.7192502

rcompanion::cldList(P.adj ~ Comparison, data = dunnTest_out$res, threshold = 0.05)
#> Error: No significant differences.

所以是的，我想是因为数据。请注意，“没有显著差异”的错误对我来说也很奇怪，因为假设测试是正确的，那么没有显著的差异就意味着所有的值都得到相同的字母。

博士:数据就是问题所在。您不能通过测试来比较每个组的“均值”是否仅为单个值。如果您拥有用于获取每个组的单个值的原始数据，则应该将其输入到模型中--就像我的示例以及?FSA::Dunntest和：：cldList()示例中所做的那样。