想要用 ggplot2 绘制图形，数据必须是数据框形式，而且是长格式（相对于宽格式）。如果你的数据需要重构，请参考获取更多信息。

    9.2.2.1 助手函数

    如果你处理的仅仅是组间变量，那么 是你代码中唯一需要使用的函数。如果你的数据里有组内变量，并且你想要矫正误差线使得组间的变异被移除，就像 Loftus and Masson (1994) 里的那样，那么 normDataWithin() 和 summarySEwithin() 这两个函数必须加入你的代码中，然后调用 summarySEwithin() 函数进行计算。

    9.2.2.2 示例数据

    下面的示例将使用 ToothGrowth 数据集。注意 dose 在这里是一个数值列，一些情况下我们将它转换为因子变量将会更加有用。

    1. tg <- ToothGrowth
    2. head(tg)
    3. #>    len supp dose
    4. #> 1  4.2   VC  0.5
    5. #> 2 11.5   VC  0.5
    6. #> 3  7.3   VC  0.5
    7. #> 4  5.8   VC  0.5
    8. #> 5  6.4   VC  0.5
    9. #> 6 10.0   VC  0.5
    10. library(ggplot2)

    首先，我们必须对数据进行统计汇总。 这可以通过多种方式实现，参阅汇总数据。在这个案例中，我们将使用 summarySE() 函数( 确保summarySE() 函数的代码在使用前已经键入)。

    1. # install.packages('Rmisc')
    2. library(Rmisc)
    3. #> Loading required package: lattice
    4. #> Loading required package: plyr
    5. #> 
    6. #> Attaching package: 'Rmisc'
    7. #> The following objects are masked _by_ '.GlobalEnv':
    8. #> 
    9. #>     normDataWithin, summarySE, summarySEwithin
    10. # summarySE 函数提供了标准差、标准误以及 95% 的置信区间
    11. tgc <- summarySE(tg, measurevar = "len", groupvars = c("supp", 
    12.   "dose"))
    13. tgc
    14. #>   supp dose  N   len    sd     se    ci
    15. #> 1   OJ  0.5 10 13.23 4.460 1.4103 3.190
    16. #> 2   OJ  1.0 10 22.70 3.911 1.2368 2.798
    17. #> 3   OJ  2.0 10 26.06 2.655 0.8396 1.899
    18. #> 4   VC  0.5 10  7.98 2.747 0.8686 1.965
    19. #> 5   VC  1.0 10 16.77 2.515 0.7954 1.799
    20. #> 6   VC  2.0 10 26.14 4.798 1.5172 3.432

    9.2.2.3 线图

    数据统计总结后，我们就可以开始绘制图形了。这里是一些带误差线的线图和点图，误差线代表标准差、标准误或者是 95% 的置信区间。

    1. # 均值的标准误
    2. ggplot(tgc, aes(x = dose, y = len, colour = supp)) + geom_errorbar(aes(ymin = len - 
    3.   se, ymax = len + se), width = 0.1) + geom_line() + geom_point()

    2. # 发现误差线重叠（dose=2.0），我们使用 position_dodge
    3. # 将它们进行水平移动
    4. pd <- position_dodge(0.1)  # move them .05 to the left and right
    6. ggplot(tgc, aes(x = dose, y = len, colour = supp)) + geom_errorbar(aes(ymin = len - 
    7.   se, ymax = len + se), width = 0.1, position = pd) + 
    8.   geom_line(position = pd) + geom_point(position = pd)

    9.2 绘制均值和误差线 - 图2

    2. # 使用 95% 置信区间替换标准误
    3. ggplot(tgc, aes(x = dose, y = len, colour = supp)) + geom_errorbar(aes(ymin = len - 
    4.   ci, ymax = len + ci), width = 0.1, position = pd) + 
    5.   geom_line(position = pd) + geom_point(position = pd)

    2. # 黑色的误差线 - 注意 'group=supp' 的映射 --
    3. # 没有它，误差线将不会避开（就是会重叠）。
    4. ggplot(tgc, aes(x = dose, y = len, colour = supp, group = supp)) + 
    5.   geom_errorbar(aes(ymin = len - ci, ymax = len + ci), 
    6.     colour = "black", width = 0.1, position = pd) + 
    7.   geom_line(position = pd) + geom_point(position = pd, 
    8.   size = 3)

    9.2 绘制均值和误差线 - 图4

    一张完成的带误差线（代表均值的标准误）的图形可能像下面显示的那样。最后画点，这样白色将会在线和误差线的上面（这个需要理解图层概念，顺序不同展示的效果是不一样的）。

    9.2.2.4 条形图

    1. # 将dose转换为因子变量
    2. tgc2 <- tgc
    3. tgc2$dose <- factor(tgc2$dose)
    5. # 误差线代表了均值的标准误
    6. ggplot(tgc2, aes(x=dose, y=len, fill=supp)) + 
    7.     geom_bar(position=position_dodge(), stat="identity") +
    8.     geom_errorbar(aes(ymin=len-se, ymax=len+se),
    9.                   width=.2,                    # 误差线的宽度
    10.                   position=position_dodge(.9))

    9.2 绘制均值和误差线 - 图6

    1. # 使用95%的置信区间替换标准误
    2. ggplot(tgc2, aes(x=dose, y=len, fill=supp)) + 
    3.     geom_bar(position=position_dodge(), stat="identity") +
    4.     geom_errorbar(aes(ymin=len-ci, ymax=len+ci),
    5.                   width=.2,                    # 误差线的宽度
    6.                   position=position_dodge(.9))

    一张绘制完成的图片像下面这样：

    1. ggplot(tgc2, aes(x=dose, y=len, fill=supp)) + 
    2.     geom_bar(position=position_dodge(), stat="identity",
    3.              colour="black", # 使用黑色边框,
    4.              size=.3) +      # 将线变细
    5.     geom_errorbar(aes(ymin=len-se, ymax=len+se),
    6.                   size=.3,    # 将线变细
    7.                   width=.2,
    8.                   position=position_dodge(.9)) +
    9.     ylab("Tooth length") +
    10.     scale_fill_hue(name="Supplement type", # Legend label, use darker colors
    11.                    breaks=c("OJ", "VC"),
    12.                    labels=c("Orange juice", "Ascorbic acid")) +
    14.     scale_y_continuous(breaks=0:20*4) +
    15.     theme_bw()

    9.2 绘制均值和误差线 - 图8

    9.2.2.5 为组内变量添加误差线

    当所有的变量都属于不同组别时，我们画标准误或者置信区间会显得非常简单直观。然而，当我们描绘的是组内变量（重复测量），那么添加标准误或者通常的置信区间可能会对不同条件下差异的推断产生误导作用。

    下面的方法来自 Morey (2008)，它是对 的矫正，而它所做的就是 提供比 Loftus and Masson (1994)更简单的方法。 你可以查看这些文章，以获得更多对组内变量误差线问题的详细探讨和方案。

    这里有一个组内变量的数据集 (来自 Morey 2008)，包含 pre/post-test。

    1. dfw <- read.table(header = TRUE, text = "
    2.  subject pretest posttest
    3.      1    59.4     64.5
    4.      2    46.4     52.4
    5.      3    46.0     49.7
    6.      4    49.0     48.7
    7.      5    32.5     37.4
    8.      6    45.2     49.5
    9.      7    60.3     59.9
    10.      8    54.3     54.1
    11.      9    45.4     49.6
    12.     10    38.9     48.5
    13.  ")
    15. # 将物体的 ID 作为因子变量对待
    16. dfw$subject <- factor(dfw$subject)

    第一步是将该数据集转换为长格式，参见获取更多信息。

    1. # 转换为长格式
    2. library(reshape2)
    3. dfw_long <- melt(dfw, id.vars = "subject", measure.vars = c("pretest", 
    4.   "posttest"), variable.name = "condition")
    6. dfw_long
    7. #>    subject condition value
    8. #> 1        1   pretest  59.4
    9. #> 2        2   pretest  46.4
    10. #> 3        3   pretest  46.0
    11. #> 4        4   pretest  49.0
    12. #> 5        5   pretest  32.5
    13. #> 6        6   pretest  45.2
    14. #> 7        7   pretest  60.3
    15. #> 8        8   pretest  54.3
    16. #> 9        9   pretest  45.4
    17. #> 10      10   pretest  38.9
    18. #> 11       1  posttest  64.5
    19. #> 12       2  posttest  52.4
    20. #> 13       3  posttest  49.7
    21. #> 14       4  posttest  48.7
    22. #> 15       5  posttest  37.4
    23. #> 16       6  posttest  49.5
    24. #> 17       7  posttest  59.9
    25. #> 18       8  posttest  54.1
    26. #> 19       9  posttest  49.6
    27. #> 20      10  posttest  48.5

    使用 summarySEwithin() 函数拆解数据。

    1. dfwc <- summarySEwithin(dfw_long, measurevar = "value", 
    2.   withinvars = "condition", idvar = "subject", na.rm = FALSE, 
    3.   conf.interval = 0.95)
    5. dfwc
    6. #>   condition  N value value_norm    sd     se    ci
    7. #> 1  posttest 10 51.43      51.43 2.262 0.7154 1.618
    8. #> 2   pretest 10 47.74      47.74 2.262 0.7154 1.618
    10. library(ggplot2)
    11. # 创建带 95% 置信区间的图形
    12. ggplot(dfwc, aes(x = condition, y = value, group = 1)) + 
    13.   geom_line() + geom_errorbar(width = 0.1, aes(ymin = value - 
    14.   ci, ymax = value + ci)) + geom_point(shape = 21, size = 3, 
    15.   fill = "white") + ylim(40, 60)

    value 和 value_norm 列代表了未标准化和标准化后的值。

    9.2.2.6 理解组内变量的误差线

    下面独立数据的图形结果展示了组内变量 condition 存在连续一致的趋势，但使用常规的标准误（或者置信区间）则不能充分地展示这一点。Morey (2008) 和Cousineau (2005) 的方法本质是标准化数据去移除组间的变化，计算出这个标准化数据的变异程度。

    9.2 绘制均值和误差线 - 图10

    2. # 创造标准化的版本
    3. dfwNorm.long <- normDataWithin(data = dfw_long, idvar = "subject", 
    4.   measurevar = "value")
    6. # 绘制标准化的个体数据
    7. ggplot(dfwNorm.long, aes(x = condition, y = value_norm, 
    8.   colour = subject, group = subject)) + geom_line() + 
    9.   geom_point(shape = 21, fill = "white") + ylim(ymin, 
    10.   ymax)

    针对正常（组间）方法和组内方法的误差线差异在下面呈现。正常的方法计算出的误差线用红色表示，组内方法的误差线用黑色表示。

    1. # Instead of summarySEwithin, use summarySE, which
    2. # treats condition as though it were a between-subjects
    3. # variable
    4. dfwc_between <- summarySE(data = dfw_long, measurevar = "value", 
    5.   groupvars = "condition", na.rm = FALSE, conf.interval = 0.95)
    6. dfwc_between
    7. #>   condition  N value    sd    se    ci
    8. #> 1   pretest 10 47.74 8.599 2.719 6.151
    9. #> 2  posttest 10 51.43 7.254 2.294 5.189
    11. # 用红色显示组间的置信区间，用黑色展示组内的置信区间
    12. ggplot(dfwc_between, aes(x = condition, y = value, group = 1)) + 
    13.   geom_line() + geom_errorbar(width = 0.1, aes(ymin = value - 
    14.   ci, ymax = value + ci), colour = "red") + geom_errorbar(width = 0.1, 
    15.   geom_point(shape = 21, size = 3, fill = "white") + ylim(ymin,

    9.2 绘制均值和误差线 - 图12

    9.2.2.7 两个组内变量

    如果存在超过一个的组内变量，我们可以使用相同的函数 summarySEwithin。下面的数据集来自 Hays (1994)，在 中用来绘制这类的组内误差线。

    1. data <- read.table(header = TRUE, text = "
    2.  Subject RoundMono SquareMono RoundColor SquareColor
    3.      1        41         40         41          37
    4.      2        57         56         56          53
    5.      3        52         53         53          50
    6.      4        49         47         47          47
    7.      5        47         48         48          47
    8.      6        37         34         35          36
    9.      7        47         50         47          46
    10.      8        41         40         38          40
    11.      9        48         47         49          45
    12.     10        37         35         36          35
    13.     11        32         31         31          33
    14.     12        47         42         42          42
    15. ")

    数据集首先必须转换为长格式，列名显示了两个变量： 形状 (圆形/方形) 和配色方案 (黑白/有色)。

    1. # 转换为长格式
    2. library(reshape2)
    3. data_long <- melt(data = data, id.var = "Subject", measure.vars = c("RoundMono", 
    4.   "SquareMono", "RoundColor", "SquareColor"), variable.name = "Condition")
    5. names(data_long)[names(data_long) == "value"] <- "Time"
    7. # 拆分 Condition 列为 Shape 和 ColorScheme
    8. data_long$Shape <- NA
    9. data_long$Shape[grepl("^Round", data_long$Condition)] <- "Round"
    10. data_long$Shape[grepl("^Square", data_long$Condition)] <- "Square"
    11. data_long$Shape <- factor(data_long$Shape)
    13. data_long$ColorScheme <- NA
    14. data_long$ColorScheme[grepl("Mono$", data_long$Condition)] <- "Monochromatic"
    15. data_long$ColorScheme[grepl("Color$", data_long$Condition)] <- "Colored"
    16. data_long$ColorScheme <- factor(data_long$ColorScheme, levels = c("Monochromatic", 
    17.   "Colored"))
    19. # 删除 Condition 列
    20. data_long$Condition <- NULL
    22. # 检查数据
    23. head(data_long)
    24. #>   Subject Time Shape   ColorScheme
    25. #> 1       1   41 Round Monochromatic
    26. #> 2       2   57 Round Monochromatic
    27. #> 3       3   52 Round Monochromatic
    28. #> 4       4   49 Round Monochromatic
    29. #> 5       5   47 Round Monochromatic
    30. #> 6       6   37 Round Monochromatic

    现在可以进行统计汇总和绘图了。

    1. datac <- summarySEwithin(data_long, measurevar = "Time", 
    2.   withinvars = c("Shape", "ColorScheme"), idvar = "Subject")
    3. datac
    4. #>    Shape   ColorScheme  N  Time Time_norm    sd     se
    5. #> 1  Round       Colored 12 43.58     43.58 1.212 0.3500
    6. #> 2  Round Monochromatic 12 44.58     44.58 1.331 0.3844
    7. #> 3 Square       Colored 12 42.58     42.58 1.462 0.4219
    8. #> 4 Square Monochromatic 12 43.58     43.58 1.261 0.3641
    9. #>       ci
    10. #> 1 0.7703
    11. #> 2 0.8460
    12. #> 3 0.9287
    13. #> 4 0.8014
    15. library(ggplot2)
    16. ggplot(datac, aes(x = Shape, y = Time, fill = ColorScheme)) + 
    17.   geom_bar(position = position_dodge(0.9), colour = "black", 
    18.     stat = "identity") + geom_errorbar(position = position_dodge(0.9), 
    19.   width = 0.25, aes(ymin = Time - ci, ymax = Time + ci)) + 
    20.   coord_cartesian(ylim = c(40, 46)) + scale_fill_manual(values = c("#CCCCCC", 
    21.   "#FFFFFF")) + scale_y_continuous(breaks = seq(1:100)) + 
    22.   theme_bw() + geom_hline(yintercept = 38)

    9.2.2.8 注意标准化的均值

    函数 summarySEWithin() 返回标准化和未标准化的均值。未标准化的均值只是简单地表示每组的均值。标准化的均值计算出来保证组间的均值是一样的。

    比如：

    1. dat <- read.table(header = TRUE, text = "
    2. id trial gender dv
    3.  A     0   male  2
    4.  A     1   male  4
    5.  B     0   male  6
    6.  B     1   male  8
    7.  C     0 female 22
    8.  C     1 female 24
    9.  D     0 female 26
    10.  D     1 female 28
    11. ")
    13. # 标准化和未标准化的均值是不同的
    14. summarySEwithin(dat, measurevar = "dv", withinvars = "trial", 
    15.   betweenvars = "gender", idvar = "id")
    16. #> Automatically converting the following non-factors to factors: trial
    17. #>   gender trial N dv dv_norm sd se ci
    18. #> 1 female     0 2 24      14  0  0  0
    19. #> 2 female     1 2 26      16  0  0  0
    20. #> 3   male     0 2  4      14  0  0  0