R ggplot2 : boxplots with significance level (more than 2 groups: kruskal. 测试和 wilcox.test 成对)和多个方面

Question

跟进 this question ，我正在尝试制作箱线图和成对比较以再次显示显着性水平(仅针对重要的成对)，但这次我有超过 2 个组要比较和更复杂的方面。

我将在此处使用 iris 数据集进行说明。检查下面的 MWE，我在其中添加了一个额外的“治疗”变量。

library(reshape2)
library(ggplot2)
data(iris)
iris$treatment <- rep(c("A","B"), length(iris$Species)/2)
mydf <- melt(iris, measure.vars=names(iris)[1:4])
ggplot(mydf, aes(x=variable, y=value, fill=Species)) + geom_boxplot() +
stat_summary(fun.y=mean, geom="point", shape=5, size=4) +
facet_grid(treatment~Species, scales="free", space="free_x") +
theme(axis.text.x = element_text(angle=45, hjust=1)) 

这会产生以下情节:

想法是对“可变”组(Sepal.Length、Sepal.Width、Petal.Length、Petal.Width)执行 Kruskal-Wallis 检验，并在它们之间进行成对的 Wilcoxon 检验，PER FACET 定义为“物种”和“治疗”。

这很可能涉及更新注释，就像我之前的问题一样。

换句话说，我想做与 this other question 中相同的事情我发布了，但是 PER FACET。

虽然解决方案应该非常相似，但我感到非常困惑和卡住……任何帮助将不胜感激!谢谢!!

Answer 1

你可以试试

library(ggsignif)
ggplot(mydf,aes(x=variable, y=value)) + 
  geom_boxplot(aes(fill=Species)) + # define the fill argument here
  facet_grid(treatment~Species) +
  ylim(0,15)+
  theme(axis.text.x = element_text(angle=45, hjust=1)) +
  geom_signif(test="wilcox.test", comparisons = combn(levels(mydf$variable),2, simplify = F)[-4],
              step_increase = 0.2)

Kruskal.wallis 可以通过添加

library(ggpubr)
stat_compare_means(test="kruskal.test")