使用facet_wrap与stat_pvalue_manual时出现size不匹配错误的求助

问题背景 #

数据集示例 #

Sample_ID group_classification Days_after_infection_1 category post-infection or 1st dose p.i. category# category post-1st dose post 1st dose category# category post-2nd dose post 2nd dose category# abs titers control_classification
120027_1 Control NA 0 0 NA NA NA NA Fractalkine_pg_mL_LOD(100) 5.502690e+03 control_positive
120027_1 Control NA 0 0 NA NA NA NA GM_CSF_pg_mL_LOD(0.12) 0.000000e+00 control_positive 
120027_1 Control NA 0 0 NA NA NA NA ITAC_pg_mL_LOD(1.5) 6.178953e+00 control_positive

列名 #

[1]"Sample_ID"                           "group_classification"               
[3] "Days_after_infection_1"              "category post-infection or 1st dose"
[5] "p.i. category#"                      "category post-1st dose"              
[7] "post 1st dose category#"             "category post-2nd dose"              
[9] "post 2nd dose category#"             "abs"                                 
[11] "titers"                              "control_classification"      

执行代码与报错 #

先执行Dunn检验并获取位置：

df.dunn.stat <- data.frame(df.tidy.3) %>% 
  group_by(abs) %>%
  dunn_test(titers ~ group_classification) %>% 
  add_y_position(scales = 'free_y')

因y.position值过大，手动修改为固定值：

df.dunn.stat1 <- df.dunn.stat %>%
  group_by(abs) %>%
  mutate(y.position = c(7, 7.5, 8, 8.5, 9, 9.5))

使用ggplot2的facet_wrap分面绘图时，传入修改后的df.dunn.stat1到stat_pvalue_manual报错：

Error in `dplyr::mutate()`:
ℹ In argument: `label = as.character(data %>% pull("p.adj.signif"))`.
ℹ In group 1: `abs = "GM_CSF_pg_mL_LOD(0.12)"`.
Caused by error:
! `label` must be size 2 or 1, not 28.

错误原因 #

硬编码的y.position向量长度（6个值）与部分abs分组的检验结果行数不匹配。比如GM_CSF_pg_mL_LOD(0.12)分组的检验结果行数不是6，此时dplyr会循环填充该向量，导致该分组的行数被重复扩展，最终行数与stat_pvalue_manual预期的分组检验结果行数不一致，引发标签长度不匹配的错误。

解决方案 #

1. 按分组实际行数动态生成y.position #

不要硬编码固定长度的向量，而是根据每个abs分组内的检验结果行数，自动生成对应长度的位置序列：

df.dunn.stat1 <- df.dunn.stat %>%
  group_by(abs) %>%
  mutate(
    # 从7开始，步长0.5，生成与当前分组行数一致的序列
    y.position = seq(from = 7, by = 0.5, length.out = n())
  ) %>%
  ungroup()

2. 先确认各分组的检验结果行数 #

先排查每个abs分组对应的Dunn检验结果行数，确保后续赋值的向量长度匹配：

# 查看每个abs分组的检验结果行数
df.dunn.stat %>%
  count(abs)

如果某分组行数不是6，就需要调整y.position的向量长度，或者用方案1的动态生成方式避免硬编码。

3. 基于数据范围动态计算y.position（更优） #

如果不同abs的y轴范围差异大，可以结合该分组的titers最大值来计算位置，适配每个分面的实际数据：

# 先计算每个abs的titers最大值
titer_max <- df.tidy.3 %>%
  group_by(abs) %>%
  summarise(max_titer = max(titers, na.rm = TRUE))

# 合并最大值到统计结果，生成适配的y.position
df.dunn.stat1 <- df.dunn.stat %>%
  left_join(titer_max, by = "abs") %>%
  group_by(abs) %>%
  mutate(
    # 从最大值的1.1倍开始，按最大值的5%递增，生成对应长度的序列
    y.position = seq(from = max_titer * 1.1, by = max_titer * 0.05, length.out = n())
  ) %>%
  ungroup()

内容的提问来源于stack exchange，提问作者Someone_1313