R语言——从原始数据到单因素方差分析 再到组间两两比较（简直保姆级教程）
「来源: ｜Paper绘图 ID：Paper-drawing2019」
背景介绍
R语言对于实验组之间进行单因素方差分析或者非参数检验，也是非常方便的，简单快捷，仅仅几行代码，即可快速进行组间两两比较。
软件介绍
R、RStudio
数据分析教程
（一）输入导入
1.打开我们在Excel中的数据，瞅一眼。也就是平时大家做完试验的数据，顶端第一行是各个组别的名称，下面是组里各个样品的测试数据
2.打开RStudio软件，点击File-New Project
3.选择New Directory
4.选择New Project
5.命名文件夹，选择保存路径
6.将Excel文件放在上述这个文件夹下
7.在脚本框进行提取Excel中的数据
# 提取Excel中的数据library(openxlsx)T<-read.xlsx("实验测试.xlsx",colNames=T)8.我们使用View()函数查看一下数据
# 查看数据View(T)
（二）数据处理
9.比如我们看到里面有个数值不正确，也可以在R语言中进行更改，使用edit()函数，可以对数据进行更改
# 更改数据T1<-edit(t)
10.因为我们的数据属于宽数据，我们需要将其转换为长数据进行处理，并查看数据
# 宽数据转换长数据T2<-stack(T1)View(T2)
11.可以使用names()函数对数据集的列名进行重命名，并查看
# 重命名列名称names(T2) <-c("Time","Group")T2
（三）正态性检验
12.使用attach()函数将T2数据读取进R，方便调取
# 使用attach()函数将T2数据读取进R，方便调取attach(T2)
13.使用tapply()函数对数据进行正态性检测，在下方，我们可以观察到p值，如果p值大于0.05，我们则认为数据为正态性，则继续进行方差分析；如果数据不符合正态，则直接进行非参数检验分析
# 正态性检测tapply(Time,Group,shapiro.test)
（四）方差齐性检验
14.在各个组数据为正态性数据的基础上，我们继续看各个组之间的方差是否齐。如果方差齐，则继续进行组间两两比较，也就是单因素方差分析。如果组间方差不齐，则直接进行非参数检验。我们可以看到，p值小于0.05，组间方差不齐，那么该数据是应该使用非参数检验进行分析。为了继续学习单因素方差分析的整个流程，我们继续当做该数据符合正态，继续进行。
# 组间是否方差齐bartlett.test(Time~Group)
（五）组间整体显著性检验
15.在方差齐的前提下，进行组间的整体显著性检验。我们可以看到，组间还是具有显著性的。
# 查看一下组间是否具有显著性T2AOV<-aov(Time~Group,data=T2)summary(T2AOV)
（六）组间两两比较
16.组间的两两比较，通过查看右边的p值，可以发现两两的比较是否有显著性差异
# 组间两两比较TukeyHSD(T2AOV)
（七）非参数检验
17.在整体数据不符合正态分布，或者组间方差不齐的条件下，我们进行非参数检验。通过kruskal.test()查看后，我们发现，组间具有显著性差异。
# 非参数检验kruskal.test(Time~Group,data=T2)
18.因此，我们直接进行组间的两两比较。没有安装的可以先进行安装包，然后加载使用。通过查看后面标注的*，就可以发现各个组间的差异了。
# 直接进行组间的两两比较install.packages("PMCMRplus")library(PMCMRplus)compare<-bwsAllPairsTest(Time~Group,data=T2)summary(compare)
今天我们就讲这么多，明天我们继续讲，计算出了组间的差异之后，如何做一个柱状图，并且加上误差条以及显著性*，以及如何导出图，用于SCI论文中。