r语言 柱状图加星号_R语言绘制带有显著性字母标记的柱状图

新

年

快

乐

Tao Wen

2019年1月6日引子

想想看，人生不觉得过了好多，事情还是需要简单的做。library(tidyverse)

library(agricolae)

library(car)

library(reshape2)

需求

在很多时候，我们的需求其实很简单，做一个数据描述，方差分析和基本图形的展示； 在做方差分析之前，我们需要对数据进行正太检验，方差齐性检验。方差分析之后，我们做多重比较。

我们做正态检测####数据导入setwd("F:/#黄老师组会/第四次周日交流R语言/R语言入门")

data_wt = read.table("R语言入门.txt", header = T,

row.names= 1, sep="\t");head(data_wt,n = 10L)##      group   Tn

## CK1     CK 1.10

## CK2     CK 1.11

## CK3     CK 1.20

## CK4     CK 1.02

## CK5     CK   NA

## BOF1   BOF 2.00

## BOF2   BOF 2.10

## BOF3   BOF 2.01

## BOF4   BOF 2.03

## BOF5   BOF 3.03##数据整理colnames(data_wt) = c("group","TN")

head(data_wt)##      group   TN

## CK1     CK 1.10

## CK2     CK 1.11

## CK3     CK 1.20

## CK4     CK 1.02

## CK5     CK   NA

## BOF1   BOF 2.00#data_wt$TN = as.numeric(data_wt$TN)#####数据数据分析与转换+可视化########是否符合正态分布#######qqPlot(lm(data_wt$TN ~ data_wt$group, data=data_wt),

simulate=TRUE, main="Q-Q Plot", lables=FALSE)

## BOF1 BOF5

##    6   10##正态检验shapiro.test(data_wt$TN)##

##  Shapiro-Wilk normality test

##

## data:  data_wt$TN

## W = 0.85895, p-value = 0.09338#无论Bartlett检验还是Levene检验，两者的P值都大于0.05，#因此接受原假设：样本之间的方差是相同的。因此可以接着做方差分析了。# Bartlett检验bartlett.test(data_wt$TN ~ data_wt$group, data=data_wt)##

##  Bartlett test of homogeneity of variances