You need to enable JavaScript to run this app. R语言ggplot2基于重复数据绘制带误差棒的双变量生长曲线咨询
优惠活动
大模型
产品
解决方案
定价
更多

R语言ggplot2基于重复数据绘制带误差棒的双变量生长曲线咨询

带误差棒的生长曲线绘制方案

核心逻辑

误差棒基于原始重复值计算,通常取值为「均值±标准误(SE)/标准差(SD)/95%置信区间」,可按需选择。不推荐使用依赖行顺序的.colMeans计算均值,改用分组统计的方式更稳健,避免数据顺序变动、缺失值导致的计算错误。

1. 数据分组统计(计算均值与误差)

推荐:转长格式统计(适配ggplot绘图逻辑)

ggplot更适配长格式数据,可通过颜色直接映射培养基类型,减少重复映射代码:

# 加载必要包
library(dplyr)
library(tidyr)

# 原始宽数据转长格式:合并Media1/Media2为分类列
long_df <- df %>%
  pivot_longer(
    cols = c(Media1, Media2),
    names_to = "Medium", # 培养基分类列
    values_to = "OD" # 生长量观测值
  )

# 按时间、培养基双分组计算统计量
stat_df <- long_df %>%
  group_by(Time, Medium) %>%
  summarise(
    mean_OD = mean(OD), # 每组均值
    # 标准误SE:标准差/重复数平方根,可按需替换
    err = sd(OD) / sqrt(n())
  )

误差类型替换说明:

  • 需标准差(SD):把err的计算式改为sd(OD)
  • 需95%置信区间:把err的计算式改为qt(0.975, n()-1)*sd(OD)/sqrt(n())

可选:保留宽格式统计

如果更习惯现有宽数据结构,可直接按时间分组计算两个培养基的统计量:

stat_wide_df <- df %>%
  group_by(Time) %>%
  summarise(
    Media1_mean = mean(Media1),
    Media1_err = sd(Media1)/sqrt(n()),
    Media2_mean = mean(Media2),
    Media2_err = sd(Media2)/sqrt(n())
  )

2. 绘制带误差棒的折线图

对应长格式统计(推荐)的绘图代码

library(ggplot2)

ggplot(stat_df, aes(x = Time, y = mean_OD, color = Medium, group = Medium)) +
  # 误差棒:设置ymin/ymax为均值减/加误差值,width控制两端短横的长度
  geom_errorbar(aes(ymin = mean_OD - err, ymax = mean_OD + err), width = 0.1) +
  geom_line(linewidth = 1) + # 折线
  geom_point(size = 2) + # 突出均值点
  theme_bw() +
  labs(x = "观测时间", y = "OD生长值", color = "培养基类型")

对应宽格式统计的绘图代码

ggplot(stat_wide_df, aes(x = Time)) +
  # Media1 元素
  geom_errorbar(aes(ymin = Media1_mean - Media1_err, ymax = Media1_mean + Media1_err, color = "Media1"), width = 0.1) +
  geom_line(aes(y = Media1_mean, color = "Media1"), linewidth = 1) +
  geom_point(aes(y = Media1_mean, color = "Media1"), size = 2) +
  # Media2 元素
  geom_errorbar(aes(ymin = Media2_mean - Media2_err, ymax = Media2_mean + Media2_err, color = "Media2"), width = 0.1) +
  geom_line(aes(y = Media2_mean, color = "Media2"), linewidth = 1) +
  geom_point(aes(y = Media2_mean, color = "Media2"), size = 2) +
  theme_bw() +
  labs(x = "观测时间", y = "OD生长值", color = "培养基类型")

简化方案:无需手动提前统计

可直接用ggplot内置的stat_summary()在绘图时自动完成分组统计,不需要手动生成统计表格,代码更简洁:

ggplot(long_df, aes(x = Time, y = OD, color = Medium, group = Medium)) +
  # 自动计算均值绘制折线
  stat_summary(fun = mean, geom = "line", linewidth = 1) +
  # 自动计算均值±SE绘制误差棒,若需SD可替换为mean_sdl,设置mult=1即1倍SD
  stat_summary(fun.data = mean_se, geom = "errorbar", width = 0.1) +
  # 自动绘制均值点
  stat_summary(fun = mean, geom = "point", size = 2) +
  theme_bw()

内容的提问来源于stack exchange,提问作者Fiona

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.09 04:36:06