向二进制数据ggplot添加误差线和重要性条答案

【问题标题】：adding error bars and significance bars to binary data ggplot向二进制数据ggplot添加误差线和重要性条
【发布时间】：2021-05-15 02:06:48
【问题描述】：

我有以下数据集：

df <- data.frame(replicate(2,sample(0:1,30,rep=TRUE)))
df <- reshape(data=df, varying=list(1:2), 
        direction="long", 
        times = names(df), 
        timevar="Type",
        v.names="Score")

并创建我使用的条形图

ggplot(df ,aes(x=Score, fill = Type))+
  geom_bar(position="dodge", color="black")

这给了我们

我想添加类似于

的误差线

对于分级数据，我只会使用 add = "mean_ci"，但将其添加到此函数中没有任何作用

ggplot(df ,aes(x=Score, fill = Type), add = "mean_ci")+
  geom_bar(position="dodge", color="black")

如何为我的二进制数据条形图获得漂亮的误差线？

此外，我还想添加重要性条，因此条形图最终看起来类似于以下内容

但是我不知道如何使用看起来像我上面的数据集。

非常感谢任何帮助。

【问题讨论】：

标签： r ggplot2 errorbar

【解决方案1】：

从原始 df 中，只需使用 table 创建另一个数据框，然后从那里计算 count 和 sd。二项式变量，因此在这里使用定义为 np(1-p) 的方差：

df <- data.frame(replicate(2,sample(0:1,30,rep=TRUE)))
df1 <- reshape(data=df, varying=list(1:2), 
              direction="long", 
              times = names(df), 
              timevar="Type",
              v.names="Score")

t1 <- as.data.frame(table(df$X1))
t1$Type <- "X1"
t1$sd <- sqrt(sum(t1$Freq)*t1$Freq/sum(t1$Freq)*(1-t1$Freq/sum(t1$Freq)))
t2 <- as.data.frame(table(df$X2))
t2$Type <- "X2"
t2$sd <- sqrt(sum(t2$Freq)*t2$Freq/sum(t2$Freq)*(1-t2$Freq/sum(t2$Freq)))
df_tbl <- rbind(t1,t2)
names(df_tbl) <- c("Score","count","Type","sd")
df_tbl$marg <- df_tbl$count + df_tbl$sd + 1
                            
y0 <- max(df_tbl[which(df_tbl$Score==0),'marg'])
y1 <- max(df_tbl[which(df_tbl$Score==1),'marg'])
prob0 <- prop.test(c(nrow(df)-sum(df$X1), nrow(df)-sum(df$X2)), c(nrow(df), nrow(df)))
prob1 <- prop.test(c(sum(df$X1), sum(df$X2)), c(nrow(df), nrow(df)))
prob <- c(prob0$p.value, prob1$p.value)
prob_sig <- as.character(cut(prob,breaks=c(-1,0.0005,0.001,0.01,max(prob)),
                       labels=c("***","**","*","NS")))

ggplot(df_tbl, aes(x=Score, y=count, fill=Type)) + 
  geom_bar(stat="identity", color="black", 
           position=position_dodge()) +
  geom_errorbar(aes(ymin=count-sd, ymax=count+sd), width=.2,
                position=position_dodge(.9)) +
  ylim(c(0,max(df_tbl$count+df_tbl$sd)+4)) +
  geom_segment(aes(x = 0.8, xend = 1.2, y = y0, yend = y0)) +
  geom_segment(aes(x = 1.8, xend = 2.2, y = y1, yend = y1)) +
  geom_text(aes(x = 1, y = y0 + 0.5, label=prob_sig[1])) +
  geom_text(aes(x = 2, y = y1 + 0.5, label=prob_sig[2]))

【讨论】：

感谢您提供有用的回答，但是我不太明白“df_tbl$marg”之后发生的事情以及有关重要性条的所有内容 - 我正在寻找一种比较比例的方法x1 和 x2 0，以及 x1 和 x2 1，看看它们是否有显着差异（类似于 stat_compare_means，但适用于二进制数据。理想情况下，还带有末端带有“钩子”的实心重要性条。
@Icewaffle 为此，您必须执行 prop.test。我更新了代码以使用正确的概率值。由于您正在进行组间比较，因此您不能完全为那些做错误栏（带有“钩子”）。要么通过另一个 geom_segment 手动插入这些钩子，要么选择 lineshape 等，以便它们可以区分。希望对您有所帮助！
谢谢，很有用！最后一个问题——这些误差线代表标准偏差还是置信区间？我忘了指定它，但我正在寻找置信区间。
@Icewaffle 我使用了标准。偏差，但要获得 95% 的置信区间，您可以在 geom_errorbar 中执行 ymin=count-1.96*sd/sqrt(nrow(df)), ymax=count+1.96*sd/sqrt(nrow(df))。