如何在ggplot2中用geom_errorbar标注标准误及分组计算均值标准差

针对你的需求，有两种常用方法，不一定非要新建数据表：

方法一：直接在geom_errorbar中用stat_summary做分组统计 #

ggplot2的stat_summary()函数可以直接在图层内按分组计算统计量，不需要提前汇总数据。你可以用它配合geom_errorbar，指定计算均值和标准误的逻辑：

library(ggplot2)

# 绘制抖动带状图并添加误差棒
ggplot(dt, aes(x = group, y = value)) +
  geom_jitter(width = 0.2) +  # 抖动带状图
  stat_summary(
    geom = "errorbar",
    fun.data = mean_se,  # 内置函数，计算均值±标准误
    width = 0.2,  # 误差棒两端的宽度
    color = "red"
  ) +
  stat_summary(
    geom = "point",
    fun = mean,  # 同时添加均值点
    color = "red",
    size = 3
  )

mean_se()是ggplot2内置的函数，默认计算均值±1倍标准误；如果需要自定义标准误倍数（比如95%置信区间对应约1.96倍），可以自己写一个统计函数：

# 自定义均值±1.96倍标准误的函数
mean_se_95 <- function(x) {
  se <- sd(x)/sqrt(length(x))
  data.frame(
    y = mean(x),
    ymin = mean(x) - 1.96*se,
    ymax = mean(x) + 1.96*se
  )
}

# 使用自定义函数绘制误差棒
ggplot(dt, aes(x = group, y = value)) +
  geom_jitter(width = 0.2) +
  stat_summary(
    geom = "errorbar",
    fun.data = mean_se_95,
    width = 0.2,
    color = "blue"
  )

方法二：提前汇总数据再绘制误差棒 #

如果需要多次复用统计结果，或者需要更灵活的统计计算，可以先整理出包含分组均值、标准误的数据表，再用geom_errorbar映射对应列：

library(dplyr)
library(ggplot2)

# 汇总分组的均值和标准误
summary_dt <- dt %>%
  group_by(group) %>%
  summarize(
    mean_val = mean(value),
    se_val = sd(value)/sqrt(n())  # 计算标准误
  ) %>%
  mutate(
    ymin = mean_val - se_val,
    ymax = mean_val + se_val
  )

# 绘制图形
ggplot(dt, aes(x = group, y = value)) +
  geom_jitter(width = 0.2) +
  geom_errorbar(
    data = summary_dt,
    aes(y = mean_val, ymin = ymin, ymax = ymax),
    width = 0.2,
    color = "green"
  ) +
  geom_point(
    data = summary_dt,
    aes(y = mean_val),
    color = "green",
    size = 3
  )

两种方法各有优劣：第一种更简洁，适合快速可视化；第二种更灵活，方便后续对统计结果做进一步处理。

内容的提问来源于stack exchange，提问作者Simon Li