如何将t检验结果数据转为pivot_longer格式适配ggplot绘图

一、转换为pivot_longer格式的代码实现 #

首先假设你的t检验结果数据结构类似这样（包含变量名、两组估计值及其他元数据）：

# 示例t检验结果数据
t_test_results <- tibble(
  variable = c("体重", "心率", "血糖"),
  estimate1 = c(62.3, 75.2, 5.4),
  estimate2 = c(68.1, 81.5, 6.2),
  p_value = c(0.03, 0.01, 0.07),
  se = c(1.2, 1.5, 0.3)
)

使用tidyr::pivot_longer将宽格式转成长格式，保留原始数据的所有元数据：

library(tidyr)
library(dplyr)

# 转换为长格式：将estimate1、estimate2转为分组列，对应值转为估计值列
long_data <- t_test_results %>%
  pivot_longer(
    cols = c(estimate1, estimate2), # 明确指定要转换的列
    names_to = "group",             # 新分组列的名称（对应x轴）
    values_to = "estimate"          # 新数值列的名称（对应y轴）
  )

转换后的数据可以直接用于ggplot绘图，示例代码：

library(ggplot2)

ggplot(long_data, aes(x = group, y = estimate)) +
  geom_col(position = position_dodge(width = 0.8), width = 0.7) +
  geom_errorbar(aes(ymin = estimate - 1.96*se, ymax = estimate + 1.96*se), 
                width = 0.2, position = position_dodge(width = 0.8)) +
  geom_text(aes(label = paste0("p=", round(p_value, 3))), vjust = -0.5) +
  facet_wrap(~variable) +
  labs(x = "分组", y = "估计值") +
  theme_bw()

二、注意事项 #

• 列匹配精准性：如果你的两组估计值列名不是estimate1/estimate2，要准确指定cols参数（比如cols = c(control_mean, treat_mean)），避免误转换其他无关列
• 元数据保留：转换时不要丢弃原始数据中的关键信息（如p值、标准误、变量名），这些数据可用于图形的显著性标注、误差棒绘制等
• 分组列可读性优化：转换后的group列值是原始列名（如estimate1），可以用mutate(group = recode(group, "estimate1" = "对照组", "estimate2" = "处理组"))替换为更直观的名称，提升图形可读性
• 数据类型校验：确保转换后的estimate列是数值型，若出现字符型会导致ggplot绘图时x/y轴异常
• 冗余数据处理：如果原始数据存在重复行，转换前先通过distinct()去重，避免长格式数据出现冗余，影响绘图效率

内容的提问来源于stack exchange，提问作者12666727b9