自动将p值添加到构面图 [英] automaticly add p-values to facet plot
问题描述
我使用以下命令在下面创建了一个facet图：
ggplot（data，aes（factor（Length），
+ geom_boxplot（fill =grey90），
+ coord_cartesian（ylim = c（-5,5））+ facet_grid（X〜Modification）
有没有一种方法可以为每个boxplot计算p值并将它们添加为每个boxplot上方的geom_text。我想计算一个t检验并且比较y = 0。
我的数据如下所示：
X长度logFC修改
Daub 26 -0.7307060811 NTA
涂抹22 -0.3325621272 NTA
涂抹22 -2.0579390395 NTA
涂抹25 2.7199391457 NTA
涂抹23 -0.0009869389 NTA
涂抹25 - 0.3318842493 NTA
...
我的错误信息：
pre> > （1L，1L，1L，1L，1L，1L，
+ 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
+ 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，
+ 1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L ，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， $ b + 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2 L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，3L，3L，2L，2L，2L，2L， ，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， ，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 3L，3L，3L，3L，
+ 3L，3L，3L，3L，3L，3L，3L，3L，3L），标签= c（Daub，Marie，
+ Meister），class =factor），Length = c（26L，22L，22L，25L，
+ 23L，25L，23L，25L，24L，23L，24L，26L，24L，21L，20L，21L，22L，
+ 22L，21L，21L，21L，22L，21L，22L，21L，21L，20L ，20L，21L，25L，
+ 20L，22L，24L，22L，23L，24L，23L，23L，22L，22L，22L，22L，21L，
+ 19L，21L，20L，20L ，20L，19L，19L，19L，22L，23L，23L，22L，23L，
+ 22L，20L，21L，24L，24L，24L，25L，24L，21L，20L，23L，23L，
+ 23L，23L，24L，20L，21L，22L，24L，23L，22L，23L，22L，23L，23L，
+ 19L，21L，23L，24L，22L，23L，23L，21L，22L，20L ，22L，23L，25L，
+ 22L，22L，23L，22L，23L，25L，25L，24L，24L，23L，22L，22L，25L，
+ 23L，24L，23L，23L ，22L，22L，25L，23L，22L，25L，21L，19L，21L，
+ 23L，22L，22L，20L，20L，20L，23L，22L，21L，21L，23L，23L，23L，
+ 21L，25L，23L，24L，24L，23L，23L，23L，21L，22L，21L，21L，23L，
+ 23L，22L，22L，21L，22L，22L，25L， 24L，24L，22L，24L，24L，23L，
+ 22L，21L，22L，23L，20L，22L，23L，24L，25L，24L，25L，22L，23L， 21L，25L，23L，19L，21L，21L，22L，20L，21L，18L，20L，20L，
+ 21L，20L， 23L，19L，19L，22L，22L，22L，22L，22L，21L，22L，24L，
+ 20L，21L，22L，22L，21L，21L，21L，21L，21L，23L，23L，23L ，25L，
+ 25L，25L，23L，24L，24L，24L，24L，24L，24L，25L，25L），logFC = c（-0.7307060811，
+ -0.3325621272，-2.0579390395,2.7199391457 ，-0.0009869389，-0.3318842493，
+ -2.192219 9037，-1.8907961065，-1.9059255014，-0.2815081355，-0.2040330335，
+ 3.661469505,0.6489955587，-0.0261245467，-1.4312409441，-1.1199604078，
+ -1.6528592355，-2.8208936451，-0.7207549269，-1.6528592355， - 1.2540377475，
+ -2.1088724443，-2.1088724443，-1.5556550771，-1.5556550771，-0.2899601367，
+ 0.36449851，-1.7787723427，-1.5556550771，-1.5556550771，-1.5556550771，
+ -2.1092566794,0.0417776477，-3.0768675589，-4.2573082637，-1.5556550771，
+ -1.8493703566，-0.7310899725，-2.8201262449，-0.7203706918， -2.1088724443，
+ -3.5714 106365，-1.5556550771，-1.2144625017,1.6608916211，-0.3147141406，
+ 1.2344697053,1.2303596917,1.2138067782,0.9409846988,0.5270928206，
+ -1.0435216994，-1.4320081419，-1.1644217165，-1.1478237529，-0.9941196613，
+ 0.0762668692，1.0076747803,0.0679302699，-0.4852244221,0.7772467457，
+ 0.4902414285,1.6172022872,0.5270928206，-1.5403877099，-0.3322684844，
+ 0.0965099283,0.8067662712，-0.3322684844，-1.2928579903,0.6067208763，
+ 0.0247576412，-0.0291609233，-0.4737578429,0.0743062433,0.1126554177，
+ -0.0156954476，1。 1069888258，-0.956482117，-0.2829742145,0.8511530937，
+ -0.1571780266，-1.2033199926，-1.1883052896，-0.0619556757，-0.7813018565，
+ 2.2467468049,2.8382841074,0.5658773933，-0.4461699001，-0.7409548873，
+ -0.992979577，-1.0966445642，-0.8035321174,0.4586171366，-0.2760821893，
+ 0.0585422656,0.0328935437,0.33858231436，-0.4374188039,1.166538873，
+ -1.6539303789,0.2027459981，-0.2193112677，-0.3939953745，-1.6726108643，
+ 1.1518720793,2.2517568637，-0.561147283，-2.1625509666，-1.65562751，
+ -0.9048469063，-1.07593883 41，0.4938537603,1.8754485108，-1.5944759871，
+ 1.0688499798,2.6659945275，-1.908097968，-1.9214219995，-2.9675169126，
+ 0.0365892303，-0.8345258687，-1.0535567925，-2.0036191122，-1.6843791204，
+ -2.5554312825，-1.5778268888，-1.576142107，-0.9398408101,2.4453250675，
+ -1.5434092122，-0.794414515，-0.6200158513,0.5556353409，-1.0772272444，
+ -0.8720587283，-0.8082062813，-0.7353916189,0.1072543637,0.5658773933，
+ 0.13043531，-0.0154958912，-0.868710614，-0.1922496916，1.0682890388，
+ -1.673413308，-0.9581901784，-1.95 75141988，-1.8973257122，1.4967046965，
+ -2.456068976，-1.4577030552，-4.2692094743，-1.9124787897，-1.4993411082，
+ -0.6409837734,0.6369441273，-0.9960964825，-5.9703084924，-1.97960268，
+ -1.2422870608，-1.5170124157，-1.9021683731，3.4029417731,0.1812972171，
+ -1.6370149729，-1.749015407，-2.1677341592，-1.4942545905，-1.1137758818，
+ -1.2428452903，-1.3014446584,0.0287537402，-0.8721416458，-2.4062762035，
+ -4.0278899462，-2.2229120764，-1.5950383235，-3.6098212725 ，-2.5979636046，
+ 0.3631424981，1.1377073609,0.51514 59494,0.0640542096，-0.7715375264，
+ -1.0361077101，-0.2462753448，-2.3058140776，-0.0847179004，-0.518970228，
+ 0.8519432911,1.9516260022，-0.5706154628,1.240812729,0.3336736001，
+ 2.2509464232， -0.322918086，-4.4019571741，-0.5618441487,3.4700721641，
+ -3.9220135953，-2.1968879291，-0.1362995026,2.164094913，-1.0688563363，
+ 0.4302583643,2.6411096027，-3.020513717，-1.5395519303，-2.2219591633，
+ -3.8891956255,0.9602784132，-0.6470571429,1.853151793，-0.3271268741，
+ -0.9870872828，-2.516770073，-1.2898235194，-1.7 （1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，5L，5L，5L，5L， b $ b + 5L，5L，5L，5L，5L，5L，5L，5L，5L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L，3L， 1L，1L，1L，1L，2L，2L，2L，2L，2L， 1L，1L，1L，
+ 1L，1L，1L，1L，1L，1L，1L，5L，5L，5L，5L，5L，5L，5L，5L，5L，
+ 5L，5L，5L，5L， ，4L，4L，4L，4L，4L，4L，4L，4L，4L，
+ 4L，4L，4L，4L，4L，3L，3L，3L，3L，3L， 3L，3L，3L，
+ 1L，1L，1L，1L，1L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， ，1L，1L，1L，1L，1L，1L，1L，1L，1L，
+ 5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L，5L， 5L，5L，5L，
+ 4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，4L，3L，3L，
+ 3L，3L，3L，3L，3L，3L， ，3L，3L，3L，3L，3L，3L，3L，3L，2L，
+ 2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L），。标签= c（NTA，
+ t3-d，t3-u，t5-d，t5-u），class =factor）），.Names = c（Experiment，
+Length ，logFC，Modification），class =data.frame，row.names = c（NA，
+ -223L））
>库（dplyr）
> （p（n）> 1）％>％
+总结（p.value< - 数据％>％group_by（实验，修改，长度）％>％
+ （t.test（logFC，mu = 0）$ p.value））
t.test中的错误（logFC，mu = 0）：找不到对象'logFC'
您可以通过将数据汇总到p值表中来完成此操作。这可以使用dplyr完成：
library（dplyr）
pvalues< - data％>％group_by（实验，修改，长度）％>％
filter（n（）> 1）％>％
总结（p.value =（t.test（logFC，mu = 0）$ p （$（$（$> $>））
）是为了摆脱任何大小为1的组，无法计算p值）。这会产生如下表格：
＃实验修改长度p.value
＃1涂抹NTA 22 0.3980043
＃2涂抹NTA 23 0.3535590
＃3涂抹NTA 24 0.5831962
＃4涂抹NTA 25 0.9137644
＃5涂抹NTA 26 0.6254004
＃6涂抹t3-d 20 0.1493108
现在您可以使用 geom_text layer，选择一些y，如 y = 3 ：
<$ c
$ b $ ggplot（data，aes（factor（Length），logFC））+ geom_boxplot（fill =grey90）+
coord_cartesian（ylim = c（ - 5,5））+ facet_grid（Experiment〜Modification）+
geom_text（aes（y = 3，label = p.value），data = pvalues，size = 1）
您可能需要操作 geom_text 的大小（以及可能的角度）情节reada BLE。还要注意，由于您正在执行很多测试，因此您应该查看调整后的p值而不是原始p值。您可以使用
pvalues< - pvalues％>％mutate（p.adjusted = p.adjust（p .value，method =bonferroni））
函数 format.pval 也会派上用场，特别是如果你的某些p值接近于0的话。
I have made a facet plot below using the following command:
ggplot(data, aes(factor(Length),logFC)),
+ geom_boxplot(fill = "grey90"),
+ coord_cartesian(ylim=c(-5,5)) + facet_grid(X~Modification)
Is there a way to compute p-values for each boxplot and add them as geom_text above each boxplot. I want to compute a t-test and compare against y=0.
My data looks like this:
X Length logFC Modification
Daub 26 -0.7307060811 NTA
Daub 22 -0.3325621272 NTA
Daub 22 -2.0579390395 NTA
Daub 25 2.7199391457 NTA
Daub 23 -0.0009869389 NTA
Daub 25 -0.3318842493 NTA
...
My error message:
> data <- structure(list(Experiment = structure(c(1L, 1L, 1L, 1L, 1L, 1L,
+ 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
+ 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
+ 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
+ 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
+ 1L, 1L, 1L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
+ 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
+ 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
+ 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
+ 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L), .Label = c("Daub", "Marie",
+ "Meister"), class = "factor"), Length = c(26L, 22L, 22L, 25L,
+ 23L, 25L, 23L, 25L, 24L, 23L, 24L, 26L, 24L, 21L, 20L, 21L, 22L,
+ 22L, 21L, 21L, 21L, 22L, 21L, 22L, 21L, 21L, 20L, 20L, 21L, 25L,
+ 20L, 22L, 24L, 22L, 23L, 24L, 23L, 23L, 22L, 22L, 22L, 22L, 21L,
+ 19L, 21L, 20L, 20L, 20L, 19L, 19L, 19L, 22L, 23L, 23L, 22L, 23L,
+ 22L, 20L, 21L, 24L, 24L, 24L, 25L, 24L, 21L, 20L, 23L, 23L, 20L,
+ 23L, 23L, 24L, 20L, 21L, 22L, 24L, 23L, 22L, 23L, 22L, 23L, 23L,
+ 19L, 21L, 23L, 24L, 22L, 23L, 23L, 21L, 22L, 20L, 22L, 23L, 25L,
+ 22L, 22L, 23L, 22L, 23L, 25L, 25L, 24L, 24L, 23L, 22L, 22L, 25L,
+ 23L, 24L, 23L, 23L, 22L, 22L, 25L, 23L, 22L, 25L, 21L, 19L, 21L,
+ 23L, 22L, 22L, 20L, 20L, 20L, 23L, 22L, 21L, 21L, 23L, 23L, 23L,
+ 21L, 25L, 23L, 24L, 24L, 23L, 23L, 23L, 21L, 22L, 21L, 21L, 23L,
+ 23L, 22L, 22L, 21L, 22L, 22L, 25L, 24L, 24L, 22L, 24L, 24L, 23L,
+ 22L, 21L, 22L, 23L, 20L, 22L, 23L, 24L, 25L, 24L, 25L, 22L, 23L,
+ 24L, 21L, 25L, 23L, 19L, 21L, 21L, 22L, 20L, 21L, 18L, 20L, 20L,
+ 21L, 20L, 23L, 19L, 19L, 22L, 22L, 22L, 22L, 22L, 21L, 22L, 24L,
+ 20L, 21L, 22L, 22L, 21L, 21L, 21L, 21L, 21L, 23L, 23L, 23L, 25L,
+ 25L, 25L, 23L, 24L, 24L, 24L, 24L, 24L, 24L, 25L, 25L), logFC = c(-0.7307060811,
+ -0.3325621272, -2.0579390395, 2.7199391457, -0.0009869389, -0.3318842493,
+ -2.1922199037, -1.8907961065, -1.9059255014, -0.2815081355, -0.2040330335,
+ 3.661469505, 0.6489955587, -0.0261245467, -1.4312409441, -1.1199604078,
+ -1.6528592355, -2.8208936451, -0.7207549269, -1.6528592355, -1.2540377475,
+ -2.1088724443, -2.1088724443, -1.5556550771, -1.5556550771, -0.2899601367,
+ 0.36449851, -1.7787723427, -1.5556550771, -1.5556550771, -1.5556550771,
+ -2.1092566794, 0.0417776477, -3.0768675589, -4.2573082637, -1.5556550771,
+ -1.8493703566, -0.7310899725, -2.8201262449, -0.7203706918, -2.1088724443,
+ -3.5714106365, -1.5556550771, -1.2144625017, 1.6608916211, -0.3147141406,
+ 1.2344697053, 1.2303596917, 1.2138067782, 0.9409846988, 0.5270928206,
+ -1.0435216994, -1.4320081419, -1.1644217165, -1.1478237529, -0.9941196613,
+ 0.0762668692, 1.0076747803, 0.0679302699, -0.4852244221, 0.7792467457,
+ 0.4902414285, 1.6172022872, 0.5270928206, -1.5403877099, -0.3322684844,
+ 0.0965099283, 0.8067662712, -0.3322684844, -1.2928579903, 0.6067208763,
+ 0.0247576412, -0.0291609233, -0.4737578429, 0.0743062433, 0.1126554177,
+ -0.0156954476, 1.1069888258, -0.956482117, -0.2829742145, 0.8511530937,
+ -0.1571780266, -1.2033199926, -1.1883052896, -0.0619556757, -0.7813018565,
+ 2.2467468049, 2.8382841074, 0.5658773933, -0.4461699001, -0.7409548873,
+ -0.992979577, -1.0966445642, -0.8035321174, 0.4586171366, -0.2760821893,
+ 0.0585422656, 0.0328935437, 0.3858231436, -0.4374188039, 1.1166538873,
+ -1.6539303789, 0.2027459981, -0.2193112677, -0.3939953745, -1.6726108643,
+ 1.1518720793, 2.2517568637, -0.561147283, -2.1625509666, -1.65562751,
+ -0.9048469063, -1.0759388341, 0.4938537603, 1.8754485108, -1.5944759871,
+ 1.0688499798, 2.6559945275, -1.908097968, -1.9214219995, -2.9675169126,
+ 0.0365892303, -0.8345258687, -1.0535567925, -2.0036191122, -1.6843791204,
+ -2.5554312825, -1.5778268888, -1.576142107, -0.9398408101, 2.4453250675,
+ -1.5434092122, -0.794414515, -0.6200158513, 0.5556353409, -1.0772272444,
+ -0.8720587283, -0.8082062813, -0.7353916189, 0.1072543637, 0.5658773933,
+ 0.13043531, -0.0154958912, -0.868710614, -0.1922496916, 1.0682890388,
+ -1.673413308, -0.9581901784, -1.9575141988, -1.8973257122, 1.4967046965,
+ -2.456068976, -1.4577030552, -4.2692094743, -1.9124787897, -1.4993411082,
+ -0.6409837734, 0.6369441273, -0.9960964825, -5.9703084924, -1.97960268,
+ -1.2422870608, -1.5170124157, -1.9021683731, 3.4029417731, 0.1812972171,
+ -1.6370149729, -1.749015407, -2.1677341592, -1.4942545905, -1.1137758818,
+ -1.2428452903, -1.3014446584, 0.0287537402, -0.8721416458, -2.4062762035,
+ -4.0278899462, -2.2229120764, -1.5950383235, -3.6098212725, -2.5979636046,
+ 0.3631424981, 1.1377073609, 0.5151459494, 0.0640542096, -0.7715375264,
+ -1.0361077101, -0.2462753448, -2.3058140776, -0.0847179004, -0.518970228,
+ 0.8519432911, 1.9516260022, -0.5706154628, 1.240812729, 0.336736001,
+ 2.2509464232, -0.322918086, -4.4019571741, -0.5618441487, 3.4700721641,
+ -3.9220135953, -2.1968879291, -0.1362995026, 2.164094913, -1.0688563363,
+ 0.4302583643, 2.6411096027, -3.020513717, -1.5395519303, -2.2219591633,
+ -3.8891956255, 0.9602784132, -0.6470571429, 1.853151793, -0.3271268741,
+ -0.9870872828, -2.516770073, -1.2898235194, -1.7246627604, -0.61328192,
+ -3.5457352204, -2.5068717697), Modification = structure(c(1L,
+ 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 4L, 4L, 4L, 4L,
+ 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 5L,
+ 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L,
+ 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
+ 1L, 1L, 1L, 1L, 1L, 1L, 1L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L,
+ 5L, 5L, 5L, 5L, 5L, 5L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L,
+ 4L, 4L, 4L, 4L, 4L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L,
+ 3L, 3L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L,
+ 2L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L,
+ 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L, 5L,
+ 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 3L, 3L,
+ 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 2L,
+ 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L), .Label = c("NTA",
+ "t3-d", "t3-u", "t5-d", "t5-u"), class = "factor")), .Names = c("Experiment",
+ "Length", "logFC", "Modification"), class = "data.frame", row.names = c(NA,
+ -223L))
> library(dplyr)
> pvalues <- data %>% group_by(Experiment, Modification, Length) %>%
+ filter(n() > 1) %>%
+ summarize(p.value = (t.test(logFC, mu = 0)$p.value))
Error in t.test(logFC, mu = 0) : object 'logFC' not found
You can do this by summarizing the data into a table of p-values. This can be done using dplyr:
library(dplyr)
pvalues <- data %>% group_by(Experiment, Modification, Length) %>%
filter(n() > 1) %>%
summarize(p.value = (t.test(logFC, mu = 0)$p.value))
(The line filter(n() > 1) is to get rid of any groups of size 1, for which a p-value cannot be calculated). This produces a table that looks like:
# Experiment Modification Length p.value
# 1 Daub NTA 22 0.3980043
# 2 Daub NTA 23 0.3535590
# 3 Daub NTA 24 0.5831962
# 4 Daub NTA 25 0.9137644
# 5 Daub NTA 26 0.6254004
# 6 Daub t3-d 20 0.1493108
Now you can add that text to your plot using a geom_text layer, choosing some y such as y = 3:
library(ggplot2)
ggplot(data, aes(factor(Length),logFC)) + geom_boxplot(fill = "grey90") +
coord_cartesian(ylim=c(-5,5)) + facet_grid(Experiment~Modification) +
geom_text(aes(y = 3, label = p.value), data = pvalues, size = 1)
You will probably have to manipulate the size (and possibly angle) of your geom_text to make the plot readable. Note also that since you are performing many tests, you should probably look at the adjusted p-values rather than the raw p-values. You can compute that column with
pvalues <- pvalues %>% mutate(p.adjusted = p.adjust(p.value, method = "bonferroni"))
The function format.pval will also come in handy, especially if some of your p-values are close to 0.
这篇关于自动将p值添加到构面图的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！
