所以我正在寻求创造这样的东西:
使用我自己的数据,特别是使用我在这里找到的 p 值:
现在,我能够用不正确的方法制作类似的东西。具体来说,我能够使用 T 检验产生类似的东西: T 检验 p 值
我通过编写以下代码产生了这个:
l<- ggplot(VioPos, aes(x=Regulation, y=Score,fill=Regulation)) +
geom_violin(trim=FALSE)+
labs(title="Plot of ARE Scores by Regulation",x="Gene Regulation", y = "ARE Score")+
geom_boxplot(width=0.1,fill="white")+
theme_classic()
l
dp <- l + scale_y_continuous(trans="log2")
dp
dp7 <- dp +
stat_compare_means(comparisons=my_comparisons, method="t.test")
dp7
换句话说,我使用 stat_compare_means() 使用 ggplot2/tidyverse/ggpubr/rstatix。
但是,如果我修改代码中的方法,它似乎可以正确显示 Wilcoxon 和 T 检验,但不能正确显示 anova 和 kruskal wallis 检验。此外,似乎 stat_compare_means() 仅支持这四个而不支持 KS,但我特别感兴趣的是从我的 KS 测试输出中将平均值比较绘制到我的小提琴图上。还有其他我可以使用的包吗?
另请注意:对于 KS 测试,“UpScorePos”“DownScorePos”等是按规则比较 ARE 分数(就像我对 T 测试中的图表所做的那样)。