可以看到格式非常简单，每一行对应一个样本，第一列为样本名，第二列为样本分组，后面几列就是我们需要比较的指标了，可以是一列也可以是多列，然后让我们开始代码部分吧！#加载关键R包library(ggpubr)#加载数据rt<-read.table("gene_deg.txt",sep="t",header=T,check.names=F)#预览一下head(rt)

#然后指定我们的分组和对比指标x=colnames(rt)[2]y1=colnames(rt)[3]y2=colnames(rt)[4]y3=colnames(rt)[5]#分组需要进行一下因子化，因为是分类变量group=levels(factor(rt$group))rt$group=factor(rt$group,levels=group)comp=combn(group,2)my_comparisons=list()for(i in 1:ncol(comp)){my_comparisons[[i]]<-comp[,i]}  #然后需要调用ggpubr中的ggboxplot方法来进行可视化  ggboxplot(rt,x="group",y=y1,color="group",xlab="",ylab= " Expression",legend.title="Type",palette = c("#dc0000","#0072b5"),add = "jitter")+ stat_compare_means(comparisons = my_comparisons,method = "wilcox.test",symnum.args=list(cutpoints = c(0, 0.001, 0.01, 0.05, 1), symbols = c("***", "**", "*", "-")),label = "p.signif")  #这里大海哥用*号来代替了差异性P值，其中小于1大于0.05就是一个-，然后小于0.05大于0.01就是一个*，小于0.01大于0.001就是**，小于0.001大于0就是***#当然了大家也可以直接显示p值哦，只需要把symnum.args=list(cutpoints = c(0, 0.001, 0.01, 0.05, 1), symbols = c("***", "**", "*", "-")),label = "p.signif")去掉就好啦！会自动以科学计数法的方式展示P值哦！  #我们先看看*号显示的结果

#看着是不是很不错#我们再看看直接显示P值的

#而且stat_compare_means中的method可以指定不同的差异检验方法哦！wilcox.test代表是Wilcox秩和检验，还可以换成t.test，kruskal.test，anova等方式。#Wilcox秩和检验是一种非参数方法，用于比较两组数据的分布差异，特别适用于不满足正态分布假设或方差齐性假设的情况。它在统计分析中有广泛的应用，用于研究两组数据之间的差异。而其他的方法，像t.test就是T检验，都是大同小异的，大家也可以自行选择。#这里大海哥只展示一列指标的箱型图，然后同样的代码展示另一列。#只需要把y1换成y2和y3就好啦ggboxplot(rt,x="group",y=y2,color="group",xlab="",ylab= " Expression",legend.title="Type",palette = c("#dc0000","#0072b5"),add = "jitter")+ stat_compare_means(comparisons = my_comparisons,method = "wilcox.test",symnum.args=list(cutpoints = c(0, 0.001, 0.01, 0.05, 1), symbols = c("***", "**", "*", "-")),label = "p.signif")#看看结果吧！