Comment Ajouter des P-values aux Graphiques GGPLOT avec Facet

Home FAQ Comment Ajouter des P-values aux Graphiques GGPLOT avec Facet


29 Mai

Comment Ajouter des P-values aux Graphiques GGPLOT avec Facet

Alboukadel

|

|

FAQ

|

0

           

Cet article décrit comment calculer et ajouter automatiquement des p-values sur des graphiques ggplot multi-panneaux obtenus avec facet en utilisant les packages R ggpubr et rstatix.

Vous apprendrez à:

  • Ajouter des p-values à un ggplot multi-panneaux (facet) contenant deux ou plusieurs groupes par panneau. Des exemples sont représentés pour les box plots et les bar plots.
  • Ajouter des p-values à un graphique groupé multi-panneaux obtenu avec ggplot facet (box plots et bar plots). Des exemples, contenant trois groupes par position x, sont présentés.
  • Afficher les p-values combinées aux niveaux de significativité sur les graphiques

Nous suivrons les étapes suivantes pour ajouter des niveaux de significativité sur un ggplot:

  1. Calculer facilement des tests statistiques (t_test() ou wilcox_test()) en utilisant le package rstatix
  2. Auto-calculez les positions des étiquettes des p-values en utilisant la fonction add_xy_position() [dans le package rstatix].
  3. Ajoutez les p-values au graphique en utilisant la fonction stat_pvalue_manual() [dans le package ggpubr]. Les options clés suivantes sont illustrées dans certains des exemples:
    • L’option bracket.nudge.y est utilisée pour monter ou descendre les crochets.
    • L’option step.increase est utilisée pour ajouter de l’espace entre les crochets.
    • L’option vjust est utilisée pour ajuster verticalement la position des étiquettes des p-values

Notez que, dans certains cas, les étiquettes de p-values sont partiellement cachées par la bordure supérieure du graphique. Dans ce cas, la fonction ggplot2 scale_y_continuous(expand = expansion(mult = c(0, 0.1))) peut être utilisée pour ajouter des espaces entre les étiquettes et la bordure supérieure du graphique. L’option mult = c(0, 0.1) indique que des espaces de 0% et 10% sont respectivement ajoutés en bas et en haut du graphique.



Sommaire:

Prérequis

Assurez-vous d’avoir installé les paquets R suivants:

  • tidyverse pour la manipulation et la visualisation des données
  • ggpubr pour créer facilement des graphiques prêts à la publication
  • rstatix contient des fonctions R facilitant les analyses statistiques.

Commencez par charger les packages requis suivants:

library(ggpubr)
library(rstatix)

Préparation des données

# Transformer `dose` en variable factorielle
df <- ToothGrowth
df$dose <- as.factor(df$dose)
# Ajouter une variable de regroupement aléatoire
df$group <- factor(rep(c("grp1", "grp2"), 30))
head(df, 3)
##    len supp dose group
## 1  4.2   VC  0.5  grp1
## 2 11.5   VC  0.5  grp2
## 3  7.3   VC  0.5  grp1

Graphiques multi-panneaux contenant deux groupes par panneau

Facet wrap avec une variable

Tests statistiques

Faire un ggplot de la variable dose et comparer les niveaux de la variable supp sur l’axe des x.

stat.test <- df %>%
  group_by(dose) %>%
  t_test(len ~ supp) %>%
  adjust_pvalue(method = "bonferroni") %>%
  add_significance()
stat.test 
## # A tibble: 3 x 11
##   dose  .y.   group1 group2    n1    n2 statistic    df       p   p.adj p.adj.signif
##   <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>   <dbl>   <dbl> <chr>       
## 1 0.5   len   OJ     VC        10    10    3.17    15.0 0.00636 0.0191  *           
## 2 1     len   OJ     VC        10    10    4.03    15.4 0.00104 0.00312 **          
## 3 2     len   OJ     VC        10    10   -0.0461  14.0 0.964   1       ns

Box plots

# Créer un box plot
bxp <- ggboxplot(
  df, x = "supp", y = "len", fill = "#00AFBB", 
  facet.by = "dose"
  )

# Faire un ggplot facet et ajouter des p-values
stat.test <- stat.test %>% add_xy_position(x = "supp")
bxp + stat_pvalue_manual(stat.test)

# Faire un ggplot facet à échelle libre et ajouter les points dispersés (jitter)
# Faites baisser le crochet en utilisant `bracket.nudge.y`
# Cacher les ns (non significatif)
# Afficher les p-values ajustées et les niveaux de significativité
# Ajoutez 10 % d'espaces entre les étiquettes des p-values et la bordure du graphique
bxp <- ggboxplot(
  df, x = "supp", y = "len", fill = "#00AFBB", 
  facet.by = "dose", scales = "free", add = "jitter"
  )
bxp +  
  stat_pvalue_manual(
    stat.test, bracket.nudge.y = -2, hide.ns = TRUE,
    label = "{p.adj}{p.adj.signif}"
    ) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.1)))

Bar plots

L’option add = "mean_sd" est spécifiée dans la fonction de graphique à barres pour créer un graphique à barres avec des barres d’erreur (mean +/- SD). Vous devez spécifier la même fonction de statistiques sommaires pour calculer automatiquement les positions des étiquettes de p-values dans add_xy_position() en utilisant l’option fun.

# Créer un graphique avec des barres d'erreur (moyenne +/- sd)
bp <- ggbarplot(
  df, x = "supp", y = "len", add = "mean_sd", 
  fill = "#00AFBB", facet.by = "dose"
  )

# Ajoutez des p-values sur les graphiques en barres
stat.test <- stat.test %>% add_xy_position(fun = "mean_sd", x = "supp")
bp + stat_pvalue_manual(stat.test)

Bar plots avec des points dispersés (jitter)

Vous devez spécifier fun = "max" lors du calcul des positions des étiquettes des p-values, de sorte que le premier crochet commence au maximum des points de données. Cela permet d’éviter le chevauchement entre les points de données et les crochets.

# Créer un graphique avec des barres d'erreur (moyenne +/- sd)
bp <- ggbarplot(
  df, x = "supp", y = "len", add = c("mean_sd", "jitter"), 
  fill = "#00AFBB", facet.by = "dose"
  )

# Ajoutez des p-values sur les graphiques en barres
stat.test <- stat.test %>% add_xy_position(fun = "max", x = "supp")
bp + stat_pvalue_manual(stat.test)

Facet grid avec deux variables

Test statistique

Faire un ggplot facet en fonction des variables dose et group, et comparaison des niveaux de la variable supp sur l’axe des abscisses.

stat.test <- df %>%
  group_by(group, dose) %>%
  t_test(len ~ supp) %>%
  adjust_pvalue(method = "bonferroni") %>%
  add_significance()
stat.test 
## # A tibble: 6 x 12
##   dose  group .y.   group1 group2    n1    n2 statistic    df       p   p.adj p.adj.signif
##   <fct> <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>   <dbl>   <dbl> <chr>       
## 1 0.5   grp1  len   OJ     VC         5     5     3.71   7.35 0.00697 0.0418  *           
## 2 1     grp1  len   OJ     VC         5     5     1.37   7.65 0.208   1       ns          
## 3 2     grp1  len   OJ     VC         5     5    -0.485  6.52 0.643   1       ns          
## 4 0.5   grp2  len   OJ     VC         5     5     1.13   5.79 0.304   1       ns          
## 5 1     grp2  len   OJ     VC         5     5     6.91   5.84 0.00051 0.00306 **          
## 6 2     grp2  len   OJ     VC         5     5     0.319  6.07 0.76    1       ns

Box plots

# Créer des box plots avec les niveaux de significativité
# Cacher les ns (non significatif)
stat.test <- stat.test %>% add_xy_position(x = "supp")
ggboxplot(
  df, x = "supp", y = "len", fill = "#E7B800",
  facet = c("group", "dose")
  ) +
  stat_pvalue_manual(stat.test, hide.ns = TRUE)

Bar plots

# Créer des bar plots avec les niveaux de significativité
# Cacher les ns (non significatif)
stat.test <- stat.test %>% add_xy_position(x = "supp", fun = "mean_sd")
ggbarplot(
  df, x = "supp", y = "len", fill = "#E7B800",
  add = c("mean_sd", "jitter"), facet = c("group", "dose")
  ) +
  stat_pvalue_manual(stat.test, hide.ns = TRUE)

Graphiques multi-panneaux contenant trois groupes ou plus par panneau

Facet wrap avec une variable

Effectuer toutes les comparaisons par paires

Regrouper par la variable supp et ensuite effectuer des comparaisons par paires entre les niveaux de la variable dose.

Test statistique:

stat.test <- df %>%
  group_by(supp) %>%
  t_test(len ~ dose)
stat.test
## # A tibble: 6 x 11
##   supp  .y.   group1 group2    n1    n2 statistic    df            p      p.adj p.adj.signif
## * <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>        <dbl>      <dbl> <chr>       
## 1 OJ    len   0.5    1         10    10     -5.05  17.7 0.0000878    0.000176   ***         
## 2 OJ    len   0.5    2         10    10     -7.82  14.7 0.00000132   0.00000396 ****        
## 3 OJ    len   1      2         10    10     -2.25  15.8 0.039        0.039      *           
## 4 VC    len   0.5    1         10    10     -7.46  17.9 0.000000681  0.00000136 ****        
## 5 VC    len   0.5    2         10    10    -10.4   14.3 0.0000000468 0.00000014 ****        
## 6 VC    len   1      2         10    10     -5.47  13.6 0.0000916    0.0000916  ****

Ajouter les p-values sur les graphiques. La fonction ggplot2 scale_y_continuous(expand = expansion(mult = c(0, 0.1))) est utilisée pour ajouter des espaces supplémentaires entre les étiquettes et la bordure supérieure du graphique

# Box plot avec p-values
stat.test <- stat.test %>% add_y_position()
ggboxplot(df, x = "dose", y = "len", fill = "#FC4E07", ggplot = "supp") +
  stat_pvalue_manual(stat.test, label = "p.adj.signif", tip.length = 0.01) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.1)))

# Bar plot avec p-values
# Ajouter 10 % d'espace sur l'axe des y au-dessus des graphiques
stat.test <- stat.test %>% add_y_position(fun = "mean_sd")
ggbarplot(
  df, x = "dose", y = "len", fill = "#FC4E07",
  add = "mean_sd", facet.by = "supp"
  ) + 
  stat_pvalue_manual(stat.test,  label = "p.adj.signif", tip.length = 0.01) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.1)))

Comparaisons par paires par rapport à un groupe de référence

Test statistique:

stat.test <- df %>%
  group_by(supp) %>%
  t_test(len ~ dose, ref.group = "0.5")
stat.test
## # A tibble: 4 x 11
##   supp  .y.   group1 group2    n1    n2 statistic    df            p        p.adj p.adj.signif
## * <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>        <dbl>        <dbl> <chr>       
## 1 OJ    len   0.5    1         10    10     -5.05  17.7 0.0000878    0.0000878    ****        
## 2 OJ    len   0.5    2         10    10     -7.82  14.7 0.00000132   0.00000264   ****        
## 3 VC    len   0.5    1         10    10     -7.46  17.9 0.000000681  0.000000681  ****        
## 4 VC    len   0.5    2         10    10    -10.4   14.3 0.0000000468 0.0000000936 ****
# Box plot avec p-values
stat.test <- stat.test %>% add_y_position()
ggboxplot(df, x = "dose", y = "len", fill = "#FC4E07", ggplot = "supp") +
  stat_pvalue_manual(stat.test, label = "p.adj.signif", tip.length = 0.01) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.1)))

# Indiquer que les niveaux de significativité à x = groupe2
# Faites baisser les symboles de significativité en utilisant vjust
stat.test <- stat.test %>% add_y_position()
ggboxplot(df, x = "dose", y = "len", fill = "#FC4E07", ggplot = "supp") +
  stat_pvalue_manual(stat.test, label = "p.adj.signif", x = "group2", vjust = 2) 

# Bar plot avec p-values
# Ajouter 10 % d'espace sur l'axe des y au-dessus des graphiques
stat.test <- stat.test %>% add_y_position(fun = "mean_sd")
ggbarplot(
  df, x = "dose", y = "len", fill = "#FC4E07",
  add = c("mean_sd", "jitter"), facet.by = "supp"
  ) + 
  stat_pvalue_manual(stat.test,  label = "p.adj.signif", tip.length = 0.01) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.1)))

Facet grid avec deux variables

Test statistique

Faire un ggplot avec les variables supp et group, et comparer les niveaux de la variable dose sur l’axe des x.

stat.test <- df %>%
  group_by(group, supp) %>%
  t_test(len ~ dose) %>%
  adjust_pvalue(method = "bonferroni") %>%
  add_significance()
stat.test 
## # A tibble: 12 x 12
##   supp  group .y.   group1 group2    n1    n2 statistic    df         p    p.adj p.adj.signif
##   <fct> <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>     <dbl>    <dbl> <chr>       
## 1 OJ    grp1  len   0.5    1          5     5     -2.50  7.80 0.038     0.456    ns          
## 2 OJ    grp1  len   0.5    2          5     5     -5.66  7.13 0.000717  0.00860  **          
## 3 OJ    grp1  len   1      2          5     5     -2.22  6.49 0.064     0.768    ns          
## 4 VC    grp1  len   0.5    1          5     5     -5.33  7.54 0.000855  0.0103   *           
## 5 VC    grp1  len   0.5    2          5     5     -8.81  6.75 0.0000606 0.000727 ***         
## 6 VC    grp1  len   1      2          5     5     -3.84  7.67 0.005     0.06     ns          
## # … with 6 more rows

Box plots

# Créer des box plots avec les niveaux de significativité
# Cacher les ns (non significatif)
# Ajoutez 15 % d'espace entre les étiquettes et la bordure supérieure du graphique
stat.test <- stat.test %>% add_xy_position(x = "dose")
ggboxplot(
  df, x = "dose", y = "len", fill = "#FC4E07",
  facet = c("group", "supp")
  ) +
  stat_pvalue_manual(stat.test, hide.ns = TRUE) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.15)))

Bar plots

# Créer des bar plots avec les niveaux de significativité
# Cacher les ns (non significatif)
# Ajoutez 15 % d'espace entre les étiquettes et la bordure supérieure du graphique
stat.test <- stat.test %>% add_xy_position(x = "dose", fun = "mean_sd")
ggbarplot(
  df, x = "dose", y = "len", fill = "#FC4E07",
  add = c("mean_sd", "jitter"), facet = c("group", "supp")
  ) +
  stat_pvalue_manual(stat.test, hide.ns = TRUE) +
  scale_y_continuous(expand = expansion(mult = c(0.05, 0.15)))

Des graphiques groupés à facet

Graphiques simples

# Box plots
bxp <- ggboxplot(
  df, x = "supp", y = "len", color = "dose", 
   palette = "jco", facet.by = "group"
  )
bxp 

# Bar plots
bp <- ggbarplot(
  df, x = "supp", y = "len", color = "dose",
  palette = "jco", add = "mean_sd",
  position = position_dodge(0.8),
  facet.by = "group"
  )
bp

Effectuer toutes les comparaisons par paires

Test statistique:

stat.test <- df %>%
  group_by(supp, group) %>%
  t_test(len ~ dose) 
stat.test
## # A tibble: 12 x 12
##   supp  group .y.   group1 group2    n1    n2 statistic    df        p p.adj p.adj.signif
## * <fct> <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>    <dbl> <dbl> <chr>       
## 1 OJ    grp1  len   0.5    1          5     5     -2.50  7.80 0.038    0.076 ns          
## 2 OJ    grp1  len   0.5    2          5     5     -5.66  7.13 0.000717 0.002 **          
## 3 OJ    grp1  len   1      2          5     5     -2.22  6.49 0.064    0.076 ns          
## 4 OJ    grp2  len   0.5    1          5     5     -4.85  5.65 0.003    0.007 **          
## 5 OJ    grp2  len   0.5    2          5     5     -5.28  6.35 0.002    0.005 **          
## 6 OJ    grp2  len   1      2          5     5     -1.00  7.69 0.347    0.347 ns          
## # … with 6 more rows

Ajouter des p-values sur les graphiques:

# Box plot avec p-values
# Cacher les ns (non significatif)
stat.test <- stat.test %>%
  add_xy_position(x = "supp", dodge = 0.8)
bxp + 
  stat_pvalue_manual(
    stat.test, label = "p.adj.signif", tip.length = 0.01,
    hide.ns = TRUE
    ) +
  scale_y_continuous(expand = expansion(mult = c(0.01, 0.1)))

# Bar plot avec  p-values
stat.test <- stat.test %>%
  add_xy_position(x = "supp", fun = "mean_sd", dodge = 0.8)
bp + 
  stat_pvalue_manual(
    stat.test, label = "p.adj.signif", tip.length = 0.01,
    hide.ns = TRUE
    ) +
  scale_y_continuous(expand = expansion(mult = c(0.01, 0.1)))

Comparaisons par paires par rapport à un groupe de référence

Test statistique:

stat.test <- df %>%
  group_by(supp, group) %>%
  t_test(len ~ dose, ref.group = "0.5")
stat.test
## # A tibble: 8 x 12
##   supp  group .y.   group1 group2    n1    n2 statistic    df         p    p.adj p.adj.signif
## * <fct> <fct> <chr> <chr>  <chr>  <int> <int>     <dbl> <dbl>     <dbl>    <dbl> <chr>       
## 1 OJ    grp1  len   0.5    1          5     5     -2.50  7.80 0.038     0.038    *           
## 2 OJ    grp1  len   0.5    2          5     5     -5.66  7.13 0.000717  0.001    **          
## 3 OJ    grp2  len   0.5    1          5     5     -4.85  5.65 0.003     0.003    **          
## 4 OJ    grp2  len   0.5    2          5     5     -5.28  6.35 0.002     0.003    **          
## 5 VC    grp1  len   0.5    1          5     5     -5.33  7.54 0.000855  0.000855 ***         
## 6 VC    grp1  len   0.5    2          5     5     -8.81  6.75 0.0000606 0.000121 ***         
## # … with 2 more rows

Ajouter des p-values sur les graphiques:

# Box plot avec p-values
stat.test <- stat.test %>%
  add_xy_position(x = "supp", dodge = 0.8)
bxp + 
  stat_pvalue_manual(
    stat.test, label = "p.adj.signif", tip.length = 0.01
    ) +
  scale_y_continuous(expand = expansion(mult = c(0.01, 0.1)))

# Bar plot avec  p-values
stat.test <- stat.test %>%
  add_xy_position(x = "supp", fun = "mean_sd", dodge = 0.8)
bp + 
  stat_pvalue_manual(
    stat.test, label = "p.adj.signif", tip.length = 0.01
    ) +
  scale_y_continuous(expand = expansion(mult = c(0.01, 0.1)))

Conclusion

Cet article décrit comment ajouter des p-values sur des ggplots facets, telles que les box plots et les bar plots. Voir les autres questions fréquemment posées : ggpubr FAQ.



 
          

Version: English





No Comments

Give a comment

Want to post an issue with R? If yes, please make sure you have read this: How to Include Reproducible R Script Examples in Datanovia Comments