# R内置数据集 irisdata(iris)# 查看前几行数据head(iris)# 查看后几行tail(iris)# 查看行列数dim(iris)# 150行 5列#只查看行数（有时候可以用来作为计算，有用后面会提到）nrow(iris)# 查看列名names(iris)colnames(iris)# 查看结构与类型str(iris)class(iris)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10

# 访问单列iris$Species# 多列iris[,c("Sepal.Length","Sepal.Width")]# 按行列索引取值（第1行第3列）iris[1,3]# 按条件筛选subset(iris, Species =="setosa")# 筛选多个条件subset(iris, Species =="setosa"& Petal.Length >1.4)

• 1
• 2
• 3
• 4
• 5

# 添加新列：花瓣面积iris$Petal.Area <- iris$Petal.Length * iris$Petal.Width# 删除列（用 NULL）iris$Petal.Area <-NULLiris <- iris[,-2]

• 1
• 2
• 3
• 4
• 5
• 6

# 基本统计summary(iris)# 计算平均花瓣长度mean(iris$Petal.Length)# 按物种分组求均值aggregate(Petal.Length ~ Species, data = iris, mean)

• 1
• 2
• 3
• 4
• 5
• 6

# 按花瓣长度升序排序iris_sorted <- iris[order(iris$Petal.Length),]# 按花瓣长度降序iris_sorted_desc <- iris[order(-iris$Petal.Length),]# 筛选花瓣长度大于5的样本subset(iris, Petal.Length >5)

• 1
• 2
• 3
• 4
• 5

# 选出前10行3列iris_sub <- iris[1:10,1:3]# 随机抽取样本set.seed(123)iris_sample <- iris[sample(nrow(iris),5),]

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

library(dplyr)# 前几行`setosa`中花瓣/花萼比例最高的样本。iris %>%  filter(Species =="setosa")%>%  select(Sepal.Length, Petal.Length)%>%  mutate(Ratio = Petal.Length / Sepal.Length)%>%  arrange(desc(Ratio))%>%  head()

• 1
• 2
• 3
• 4

# 注意：只需要在首次使用时安装if(!require("tidyverse")) install.packages("tidyverse")if(!require("palmerpenguins")) install.packages("palmerpenguins")if(!require("ggthemes")) install.packages("ggthemes")

• 1
• 2
• 3
• 4

library(tidyverse)# 包含ggplot2library(palmerpenguins)# 企鹅数据集library(ggthemes)# 扩展主题view(penguins)

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13

ggplot(  data = penguins,  mapping = aes(x = flipper_length_mm, y = body_mass_g))+  geom_point(aes(color = species, shape = species))+  geom_smooth(method ="lm")+  labs(    title ="Body mass and flipper length",    subtitle ="Dimensions for Adelie, Chinstrap, and Gentoo Penguins",    x ="Flipper length (mm)", y ="Body mass (g)",    color ="Species", shape ="Species")+  scale_color_colorblind()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9

ggplot2核心语法├─ 数据层 (data)├─ 映射层 (aes)├─ 几何对象 (geom_*)├─ 统计变换 (stat_*)├─ 坐标系 (coord_*)├─ 分面系统 (facet_*)└─ 主题系统 (theme_*)注释系统（annotate）

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24

# 基础图层base_plot <- ggplot(  data = penguins,  mapping = aes(x = flipper_length_mm, y = body_mass_g))# 添加几何对象scatter_plot <- base_plot +  geom_point(aes(color = species, shape = species), size =3, alpha =0.8)+  geom_smooth(method ="lm", se =FALSE, color ="black")# 美化设置final_plot <- scatter_plot +  labs(    title ="企鹅身体形态关系研究",    subtitle ="基于帕尔默群岛企鹅观测数据",    x ="鳍肢长度 (mm)",    y ="体重 (g)",    caption ="数据来源：palmerpenguins包")+  scale_color_colorblind()+  theme_economist()# 使用ggthemes的经典主题print(final_plot)

• 1
• 2
• 3
• 4
• 5

ggplot(penguins, aes(x = species))+  geom_bar()ggplot(penguins, aes(x = fct_infreq(species)))+### 根据条形的频率对条形进行重新排序  geom_bar()

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

# 直方图，关键参数 binwidthggplot(penguins, aes(x = body_mass_g))+  geom_histogram(binwidth =200)ggplot(penguins, aes(x = body_mass_g))+  geom_histogram(binwidth =20)ggplot(penguins, aes(x = body_mass_g))+  geom_histogram(binwidth =2000)# 密度图（生信中用的很多）很多图是根据这个的变种做出来的ggplot(penguins, aes(x = body_mass_g))+  geom_density()

• 1
• 2
• 3
• 4
• 5
• 6

# 箱线图ggplot(penguins, aes(x = species, y = body_mass_g))+  geom_boxplot()# + geom_violin() + geom_jitter()# 密度图ggplot(penguins, aes(x = body_mass_g, color = species))+  geom_density(linewidth =0.75)

• 1
• 2
• 3
• 4
• 5

# 堆叠柱状图用的最多也最实用ggplot(penguins, aes(x = island, fill = species))+  geom_bar()ggplot(penguins, aes(x = island, fill = species))+  geom_bar(position ="fill")

• 1
• 2

ggplot(penguins, aes(x = flipper_length_mm, y = body_mass_g))+  geom_point()

• 1
• 2
• 3
• 4
• 5

ggplot(penguins, aes(x = flipper_length_mm, y = body_mass_g))+  geom_point(aes(color = species, shape = island))ggplot(penguins, aes(x = flipper_length_mm, y = body_mass_g))+  geom_point(aes(color = species, shape = species))+  facet_wrap(~island)

• 1
• 2
• 3
• 4

install.packages("MetBrewer")install.packages("devtools")devtools::install_github("BlakeRMills/MetBrewer")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

ggplot(data=iris, aes(x=Species, y=Petal.Length, fill=Species))+  geom_violin()+  scale_fill_manual(values=met.brewer("Greek",3))ggplot(data=iris, aes(x=Sepal.Length, y=Sepal.Width, color=Species))+  geom_point(size=2)+  scale_color_manual(values=met.brewer("Renoir",3))ggplot(data=iris, aes(x=Species, y=Sepal.Width, color=Sepal.Width))+  geom_point(size=3)+  scale_color_gradientn(colors=met.brewer("Isfahan1"))

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11

font_custom <-function(base_size =12){  theme(    axis.text = element_text(size = base_size +4),# 坐标轴文字调节    axis.title = element_text(size = base_size +6),# 坐标轴标题    plot.title = element_text(size = base_size +8,# 主标题                              face ="bold",                              hjust =0.5),    legend.text = element_text(size = base_size +2),# 图例文字    legend.title = element_text(size = base_size +4)# 图例标题)}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15

theme(# 显示顶部和右侧轴线        axis.line.x.top = element_line(color = line_color,                                      size = line_size),        axis.line.y.right = element_line(color = line_color,                                        size = line_size),        panel.border = element_blank(),# 隐藏默认panel边框        scale_x_continuous(#limits = c(0,10),                        expand =c(0.02,0)),# 控制轴两侧留白        scale_y_continuous(#limits = c(0,10,                        expand =c(0.02,0))

• 1
• 2
• 3
• 4
• 5
• 6
• 7

labs(title ="Penguin Morphology Relationship", subtitle ="Palmer Station Antarctica", x ="Flipper Length (mm)", y ="Body Mass (g)", color ="Penguin Species",# 图例标题 shape ="Penguin Species")

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8

legend_custom <-function(){  theme(    legend.position ="bottom",# 图例位置    legend.box ="horizontal",# 图例排列方向    legend.background = element_blank(),# 清除背景    legend.key = element_blank()# 清除图例键背景)}

• 1
• 2
• 3
• 4
• 5
• 6
• 7
• 8
• 9
• 10
• 11
• 12
• 13
• 14
• 15
• 16
• 17
• 18
• 19
• 20
• 21
• 22
• 23
• 24
• 25
• 26
• 27
• 28
• 29
• 30
• 31
• 32
• 33
• 34
• 35
• 36
• 37

# pdf格式，矢量图，可编辑，强烈推荐ggsave(  filename = paste0(base_name,".pdf"),#在这里给图片命名  plot = p,  device = cairo_pdf,  path = output_dir,  width =8,  height =6,  useDingbats =FALSE)## pdf 格式的图片不用设置dpi，因为是矢量图，以下tiff和png都是需要设置dpi的# 保存为TIFF格式（论文出版），文件较大，不是很推荐，其实不是很清晰ggsave(  filename ="plot.tiff"),#在这里给图片命名  plot = p,  device ="tiff",  path = output_dir,  dpi =600,# dpi 一般期刊要求300以上，我一般选600  width =17.4,# 根据自己的图片调  height =12,  units ="cm",  compression ="lzw"# 无损压缩)# 保存为PNG格式，我一般保存pdf和png双格式，这个格式非常清晰，且占用空间极小，适合用于PPT的制作，非常推荐ggsave(  filename ="plot.png"),#在这里给图片命名  plot = p,  device ="png",  path = output_dir,  dpi =600,  width =2400,# 像素单位，自己调一下  height =1600,  units ="px",  bg ="white"# 设置背景色（透明背景用"transparent"），默认好像是透明色)

• 1

你是一个擅长R语言的专家，我现在有一个名为 df 的数据框（粘贴你的数据的head(df)）（示例：大约 120 行、至少包含两列：分组变量 Group=“A/B/C”和连续数值变量 QoR15_24h），想用 R（优先 ggplot2，可用 ggpubr）画一张可用于论文/汇报的箱线图：横轴为 Group，纵轴为 QoR15_24h；要求同时叠加抖动散点以展示个体分布，箱线图不显示离群点（避免遮挡），并在图上标注统计学比较结果（先做三组总体差异检验 Kruskal-Wallis，再做两两 Wilcoxon 检验并进行 BH 校正，标注为格式化 p 值或星号均可）；请在代码里先处理常见问题（将 Group 设定为因子并固定顺序 A、B、C；将 QoR15_24h 强制为数值型并剔除 NA），然后生成图对象并保存为矢量格式 PDF（文件名 fig_boxplot_QoR15_24h.pdf，尺寸约 6×4 inch）；整体风格简洁，配色采用低饱和度的顶刊适用配色，标题与坐标轴标签清晰，输出为一段可直接运行的完整 R 代码。