如何用ggplot2绘制多因素ANOVA因子均值图（L9正交设计）

需求说明 #

我正在进行L9正交设计，为直观查看不同因子水平对PCR（蛋白-碳水化合物比）的影响，先用plot.design得到了基础图：

plot.design(PCR ~ Temperature+Time+Ratio+Pretreatment, data = scenedesmus)

现在需要用ggplot2优化该图，满足以下要求：

• 各因子的水平分组稍作分离
• 按因子区分颜色
• 纳入每个因子水平均值的标准差
  目前我能单独绘制单个因子的ggplot2图，但不知道如何将多个因子的图合并成类似plot.design的组合图，单因子绘图代码如下：

ggline(scenedesmus, x = "Temperature", y = "PCR",
       add = "mean_sd", size=1,
       ylab ="Protein-carbohydrate ratio", legend="right", error.plot = "errorbar") + 
  theme(axis.text=element_text(size=20), 
        axis.title=element_text(size=24,face="bold"), 
        legend.title=element_text(size=24, face="bold"),
        legend.text=element_text(size=22))+    
  scale_x_discrete(labels = scales::label_parse())

数据集：

> scenedesmus
Temperature Time Ratio Pretreatment       PRY      CRY
1           20  0.5     3         None  7.106190 12.99137
2           20  0.5     3         None  6.991073 13.20371
3           20    1     6       Mortar  9.816545 14.62239
4           20    1     6       Mortar 10.093768 14.41567
5           20    2    12        Discs 15.887290 20.85106
6           20    2    12        Discs 16.514740 21.13347
7           30  0.5     6        Discs 15.608507 20.75174
8           30  0.5     6        Discs 15.890457 20.37846
9           30    1    12         None  9.851556 13.19030
10          30    1    12         None 10.329157 12.74816
11          30    2     3       Mortar  9.815574 14.37999
12          30    2     3       Mortar 10.177421 15.15487
13          40  0.5    12       Mortar 12.097258 16.36536
14          40  0.5    12       Mortar 11.135055 17.34924
15          40    1     3        Discs 14.759191 22.44141
16          40    1     3        Discs 14.884651 22.43402
17          40    2     6         None  9.476980 14.08952
18          40    2     6         None 10.832856 16.03889
         PCR
1  0.5469931
2  0.5294781
3  0.6713366
4  0.7001942
5  0.7619416
6  0.7814496
7  0.7521542
8  0.7797673
9  0.7468787
10 0.8102468
11 0.6825854
12 0.6715611
13 0.7391992
14 0.6418181
15 0.6576767
16 0.6634856
17 0.6726260
18 0.6754117

解决方案 #

步骤1：数据预处理（宽转长格式） #

首先将数据集转换为长格式，方便ggplot2批量处理所有因子：

library(tidyverse)

# 转换为长格式，保留PCR作为响应变量
scenedesmus_long <- scenedesmus %>%
  select(Temperature, Time, Ratio, Pretreatment, PCR) %>%
  pivot_longer(cols = -PCR, names_to = "Factor", values_to = "Level") %>%
  # 将Level转为字符型，统一类型方便绘图
  mutate(Level = as.character(Level))

步骤2：计算各因子水平的均值和标准差 #

提前统计每个因子-水平组合的均值、标准差，避免绘图时重复计算：

summary_stats <- scenedesmus_long %>%
  group_by(Factor, Level) %>%
  summarise(
    mean_PCR = mean(PCR),
    sd_PCR = sd(PCR),
    .groups = "drop"
  )

步骤3：ggplot2绘制组合图 #

使用facet_wrap实现多因子图的合并，同时满足所有需求：

library(ggplot2)

ggplot(summary_stats, aes(x = Level, y = mean_PCR, color = Factor)) +
  # 绘制标准差误差棒
  geom_errorbar(aes(ymin = mean_PCR - sd_PCR, ymax = mean_PCR + sd_PCR), 
                width = 0.2, size = 1) +
  # 绘制均值点
  geom_point(size = 4) +
  # 按因子分面，每个因子单独成图
  facet_wrap(~Factor, scales = "free_x") +
  # 设置坐标轴标签
  labs(
    y = "Protein-carbohydrate ratio",
    x = "Level",
    color = "Factor"
  ) +
  # 匹配单因子图的主题样式
  theme_bw() +
  theme(
    axis.text = element_text(size = 20),
    axis.title = element_text(size = 24, face = "bold"),
    legend.title = element_text(size = 24, face = "bold"),
    legend.text = element_text(size = 22),
    strip.text = element_text(size = 22, face = "bold") # 分面标题样式
  ) +
  # 可选：添加原始数据点并轻微分离，增强直观性
  geom_jitter(data = scenedesmus_long, aes(x = Level, y = PCR), 
              alpha = 0.5, size = 2, width = 0.1)

代码说明 #

• pivot_longer：将宽格式数据转为长格式，把所有因子列合并为Factor和Level两列，便于统一处理。
• group_by + summarise：统计每个因子水平的均值和标准差，用于绘制误差棒。
• facet_wrap(~Factor, scales = "free_x")：按因子分面，每个因子的图单独展示，x轴自动适配不同因子的水平。
• color = Factor：按因子区分颜色，每个因子的点和误差棒用不同颜色显示。
• geom_jitter：添加原始数据点并设置width=0.1，实现水平方向的轻微分离，避免数据点重叠。

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