如何以“graphpad prism”风格绘制三个不同组中随时间的变化？答案

【问题标题】：How to plot variation over time in three different groups, in a "graphpad prism" style?如何以“graphpad prism”风格绘制三个不同组中随时间的变化？
【发布时间】：2023-11-28 07:37:01
【问题描述】：

我有这个数据集：

structure(list(time = c(1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 
13, 14, 15), ttt1_1 = c(0, 15, 20, 30, 40, 50, 60, 70, 80, 90, 
130, 160, 240, 320, 450), ttt1_2 = c(0, 17, 22, 34, 50, 50, 65, 
75, 90, 120, 160, 200, 300, 400, 500), ttt1_3 = c(0, 19, 25, 
36, 47, 60, 70, 86, 110, 130, 195, 240, 360, 480, 650), ttt2_1 = c(0, 
45, 60, 90, 120, 150, 210, 245, 280, 315, 455, 560, 720, 960, 
1350), ttt2_2 = c(0, 51, 66, 102, 130, 150, 228, 262, 315, 420, 
560, 700, 900, 1200, 1500), ttt2_3 = c(0, 57, 75, 108, 141, 180, 
245, 301, 385, 455, 683, 840, 1080, 1440, 1950), ttt3_1 = c(0, 
90, 120, 180, 240, 300, 420, 490, 560, 630, 910, 1120, 1440, 
1920, 2700), ttt3_2 = c(0, 102, 132, 204, 300, 300, 455, 525, 
630, 840, 1120, 1400, 1800, 2400, 3000), ttt3_3 = c(0, 114, 150, 
216, 282, 360, 490, 602, 770, 910, 1365, 1680, 2160, 2880, 3900
)), row.names = c(NA, 15L), class = "data.frame")

看起来像这样：

> datapoids
   time ttt1_1 ttt1_2 ttt1_3 ttt2_1 ttt2_2 ttt2_3 ttt3_1 ttt3_2 ttt3_3
1     1      0      0      0      0      0      0      0      0      0
2     2     15     17     19     45     51     57     90    102    114
3     3     20     22     25     60     66     75    120    132    150
4     4     30     34     36     90    102    108    180    204    216
5     5     40     50     47    120    130    141    240    300    282
6     6     50     50     60    150    150    180    300    300    360
7     7     60     65     70    210    228    245    420    455    490
8     8     70     75     86    245    262    301    490    525    602
9     9     80     90    110    280    315    385    560    630    770
10   10     90    120    130    315    420    455    630    840    910
11   11    130    160    195    455    560    683    910   1120   1365
12   12    160    200    240    560    700    840   1120   1400   1680
13   13    240    300    360    720    900   1080   1440   1800   2160
14   14    320    400    480    960   1200   1440   1920   2400   2880
15   15    450    500    650   1350   1500   1950   2700   3000   3900

此数据集表示 9 个人（3 个不同组中的 3 个人：ttt1、ttt2、ttt3）体重随时间的变化（第一列 = 以天为单位的经过时间）。

首先，我正在尝试绘制这种图表（使用 Graphpad Prism 完成）：

但到目前为止，我唯一设法得到的是这个（我一次只能绘制一列，我想绘制 3 列的平均值（例如 ttt1_1、ttt1_2、ttt1_3），然后执行对于我的三个组（ttt1、ttt2、ttt3）。

ggplot(data=datapoids, aes(x=time,y=ttt3_1)) +
  geom_point(size=2)

这给了我： plot with ggplot2

知道如何使用 ggplot2 获得我使用 GraphPad 所拥有的东西吗？任何建议都会有很大帮助！

更新 1

我改变了我的数据框的组织方式，如下所示：

> dput(head(datapoids, 60))
structure(list(time = c(1, 1, 1, 2, 2, 2, 3, 3, 3, 4, 4, 4, 5, 
5, 5, 6, 6, 6, 7, 7, 7, 8, 8, 8, 9, 9, 9, 10, 10, 10, 11, 11, 
11, 12, 12, 12, 13, 13, 13, 14, 14, 14, 15, 15, 15), group = c(1, 
2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 
2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 2, 3, 1, 
2, 3), m1 = c(0, 0, 0, 15, 45, 90, 20, 60, 120, 30, 90, 180, 
40, 120, 240, 50, 150, 300, 60, 210, 420, 70, 245, 490, 80, 280, 
560, 90, 315, 630, 130, 455, 910, 160, 560, 1120, 240, 720, 1440, 
320, 960, 1920, 450, 1350, 2700), m2 = c(0, 0, 0, 17, 51, 102, 
22, 66, 132, 34, 102, 204, 50, 130, 300, 50, 150, 300, 65, 228, 
455, 75, 262, 525, 90, 315, 630, 120, 420, 840, 160, 560, 1120, 
200, 700, 1400, 300, 900, 1800, 400, 1200, 2400, 500, 1500, 3000
), m3 = c(0, 0, 0, 19, 57, 114, 25, 75, 150, 36, 108, 216, 47, 
141, 282, 60, 180, 360, 70, 245, 490, 86, 301, 602, 110, 385, 
770, 130, 455, 910, 195, 683, 1365, 240, 840, 1680, 360, 1080, 
2160, 480, 1440, 2880, 650, 1950, 3900)), row.names = c(NA, -45L
), class = c("tbl_df", "tbl", "data.frame"))

> datapoids
# A tibble: 45 x 5
    time group    m1    m2    m3
   <dbl> <dbl> <dbl> <dbl> <dbl>
 1     1     1     0     0     0
 2     1     2     0     0     0
 3     1     3     0     0     0
 4     2     1    15    17    19
 5     2     2    45    51    57
 6     2     3    90   102   114
 7     3     1    20    22    25
 8     3     2    60    66    75
 9     3     3   120   132   150
10     4     1    30    34    36
# ... with 35 more rows

第 1 列代表经过的时间，第 2 列是组，第 3-4-5 列是每个组中的三个人。

到目前为止，我设法在图表上获得了三组数据，但每次仅针对 1 个人，我无法获得平均值 +/- SD...

ggplot(datapoids, aes(x = time, y = m1, group = group)) + 
    geom_point()

three groups but only one individual per group

更新 2

好的，这是另一个更新。我已将我的数据集格式化为如下所示：

> print.data.frame(datapoids)
    weight group time
1        0     1    1
2        0     1    1
3        0     1    1
4        0     2    1
5        0     2    1
6        0     2    1
7        0     3    1
8        0     3    1
9        0     3    1
10      15     1    2
11      17     1    2
12      19     1    2
13      45     2    2
14      51     2    2
15      57     2    2
16      90     3    2
17     102     3    2
18     114     3    2
19      20     1    3
20      22     1    3
21      25     1    3
22      60     2    3
23      66     2    3
24      75     2    3
25     120     3    3
26     132     3    3
27     150     3    3
28      30     1    4
29      34     1    4
30      36     1    4
31      90     2    4
32     102     2    4
33     108     2    4
34     180     3    4
35     204     3    4
36     216     3    4
37      40     1    5
38      50     1    5
39      47     1    5
40     120     2    5
41     130     2    5
42     141     2    5
43     240     3    5
44     300     3    5
45     282     3    5
46      50     1    6
47      50     1    6
48      60     1    6
49     150     2    6
50     150     2    6
51     180     2    6
52     300     3    6
53     300     3    6
54     360     3    6
55      60     1    7
56      65     1    7
57      70     1    7
58     210     2    7
59     228     2    7
60     245     2    7
61     420     3    7
62     455     3    7
63     490     3    7
64      70     1    8
65      75     1    8
66      86     1    8
67     245     2    8
68     262     2    8
69     301     2    8
70     490     3    8
71     525     3    8
72     602     3    8
73      80     1    9
74      90     1    9
75     110     1    9
76     280     2    9
77     315     2    9
78     385     2    9
79     560     3    9
80     630     3    9
81     770     3    9
82      90     1   10
83     120     1   10
84     130     1   10
85     315     2   10
86     420     2   10
87     455     2   10
88     630     3   10
89     840     3   10
90     910     3   10
91     130     1   11
92     160     1   11
93     195     1   11
94     455     2   11
95     560     2   11
96     683     2   11
97     910     3   11
98    1120     3   11
99    1365     3   11
100    160     1   12
101    200     1   12
102    240     1   12
103    560     2   12
104    700     2   12
105    840     2   12
106   1120     3   12
107   1400     3   12
108   1680     3   12
109    240     1   13
110    300     1   13
111    360     1   13
112    720     2   13
113    900     2   13
114   1080     2   13
115   1440     3   13
116   1800     3   13
117   2160     3   13
118    320     1   14
119    400     1   14
120    480     1   14
121    960     2   14
122   1200     2   14
123   1440     2   14
124   1920     3   14
125   2400     3   14
126   2880     3   14
127    450     1   15
128    500     1   15
129    650     1   15
130   1350     2   15
131   1500     2   15
132   1950     2   15
133   2700     3   15
134   3000     3   15
135   3900     3   15

> dput(head(datapoids, 10000000))
structure(list(weight = c(0, 0, 0, 0, 0, 0, 0, 0, 0, 15, 17, 
19, 45, 51, 57, 90, 102, 114, 20, 22, 25, 60, 66, 75, 120, 132, 
150, 30, 34, 36, 90, 102, 108, 180, 204, 216, 40, 50, 47, 120, 
130, 141, 240, 300, 282, 50, 50, 60, 150, 150, 180, 300, 300, 
360, 60, 65, 70, 210, 228, 245, 420, 455, 490, 70, 75, 86, 245, 
262, 301, 490, 525, 602, 80, 90, 110, 280, 315, 385, 560, 630, 
770, 90, 120, 130, 315, 420, 455, 630, 840, 910, 130, 160, 195, 
455, 560, 683, 910, 1120, 1365, 160, 200, 240, 560, 700, 840, 
1120, 1400, 1680, 240, 300, 360, 720, 900, 1080, 1440, 1800, 
2160, 320, 400, 480, 960, 1200, 1440, 1920, 2400, 2880, 450, 
500, 650, 1350, 1500, 1950, 2700, 3000, 3900), group = structure(c(1L, 
1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 
3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 
3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 
2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 
1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 
1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 
3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 
2L, 3L, 3L, 3L, 1L, 1L, 1L, 2L, 2L, 2L, 3L, 3L, 3L, 1L, 1L, 1L, 
2L, 2L, 2L, 3L, 3L, 3L), .Label = c("1", "2", "3"), class = "factor"), 
    time = structure(c(1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 2L, 
    2L, 2L, 2L, 2L, 2L, 2L, 2L, 2L, 3L, 3L, 3L, 3L, 3L, 3L, 3L, 
    3L, 3L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 4L, 5L, 5L, 5L, 5L, 
    5L, 5L, 5L, 5L, 5L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 6L, 7L, 
    7L, 7L, 7L, 7L, 7L, 7L, 7L, 7L, 8L, 8L, 8L, 8L, 8L, 8L, 8L, 
    8L, 8L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 9L, 10L, 10L, 10L, 
    10L, 10L, 10L, 10L, 10L, 10L, 11L, 11L, 11L, 11L, 11L, 11L, 
    11L, 11L, 11L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 12L, 
    13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 13L, 14L, 14L, 14L, 
    14L, 14L, 14L, 14L, 14L, 14L, 15L, 15L, 15L, 15L, 15L, 15L, 
    15L, 15L, 15L), .Label = c("1", "2", "3", "4", "5", "6", 
    "7", "8", "9", "10", "11", "12", "13", "14", "15"), class = "factor")), row.names = c(NA, 
-135L), class = c("tbl_df", "tbl", "data.frame"))

还有这个：

ggplot(datapoids, aes(x = time, y = weight)) +
  geom_boxplot(aes(fill=group), position="identity") +  
  geom_point()

我设法得到了这个（这还不意味着 +/- SD）：

【问题讨论】：

由于所有初始测量的重量都为零，所以第一次是“零天”——也就是说，第一次测量是在没有时间过去的情况下完成的吗？
是的，第一个时间点是第0天；是的，在开始治疗前进行的第一次测量
ggplot(datapoids, aes(x = as.numeric(time), y = weight, color = group)) + stat_summary(fun.data = mean_sdl, fun.args = list(mult = 1)) 第一部分。
感谢您指出“stat_sumary”函数，我刚刚在stat_sumary 部分更改了“color = group”的位置，它起作用了！如果可以的话，我会将其发布在第一个帖子下的答案中，并为我的第二个问题创建另一个帖子（绘制组之间的非线性回归并进行比较）

标签： r ggplot2 compare curve-fitting non-linear-regression

【解决方案1】：

感谢@Axeman，我找到了答案：

ggplot(datapoids, aes(x = time, y = weight)) +
  stat_summary(aes(color = group), fun.data="mean_sdl", fun.args = list(mult=1), geom="pointrange", position = "identity")

fun.data="mean_sdl" 显示平均值 +/- 常数时间标准推导，fun.args = list(mult=1) 定义常数（此处 = 1）。

我终于得到了我想要的

我只需要找到方法（正在进行中）：

改变每组的颜色
更改每个组的符号
在误差条上方和下方添加一个小条

更新

这是最终结果：

与：

ggplot(datapoidsmono, aes(x = time, y = weight)) +
  stat_summary(aes(color = group), fun.data="mean_sdl", fun.args = list(mult=1), geom="errorbar", position = "identity", size=0.5, width=0.2, show.legend = T) +
  stat_summary(fun.y = "mean", geom = "point", size=3, aes(shape=group,colour=group)) + 
  scale_x_discrete(name = "Days after injection") +
  scale_y_continuous(name = "Weight (g)", limits=c(0, 4000), breaks = seq(0, 4000,500)) +
  theme(axis.line.x = element_line(size = 0.5, colour = "black"),axis.text.x = element_text(colour="black", size = 12),axis.line.y = element_line(size = 0.5, colour = "black"),axis.text.y = element_text(colour="black", size = 12),axis.title = element_text(size =15, face="bold"),plot.title = element_text(size =20, face = "bold"),panel.grid.major = element_line(colour = "#F1F1F1"),panel.grid.minor = element_blank(), panel.background = element_blank()) +
  scale_color_manual(values=c("green", "blue", "red")) +
  ggtitle("Weight variation over time") + theme(plot.title = element_text(hjust = 0.5))

【讨论】：

【解决方案2】：

我的方程搜索找到了 S 型磁饱和方程，因为它最适合三组的平均权重。根据您的评论，初始经过时间为零用于第一次测量。

权重 = a * x * (1.0 + b * exp(c * ElapsedDays))

我对各组的拟合结果如下：

对于第 1 组，参数为：

a =  8.2069429067318076E+00
b =  3.4803188790045243E-02
c =  3.3342423727900505E-01

R 平方 = 0.997 和 RMSE = 7.96

对于第 2 组，参数为：

a =  2.7849455860678560E+01
b =  4.7404034036124171E-02
c =  2.9879802065164002E-01

R 平方 = 0.999 和 RMSE = 12.85

对于第 3 组，参数为：

a =  5.6346090778919425E+01
b =  4.5307611859092961E-02
c =  3.0096010027034203E-01

R 平方 = 0.999 和 RMSE = 25.941

【讨论】：

我会指出，对于 b 和 c，所有参数都具有相似的参数，而参数 a（充当幅度）对于所有三个都不同。这强烈暗示所有组的时间和体重之间可能存在一些简单的、现在不那么隐藏的关系。
感谢@JamesPhillips。我已经生成数据以显示我想对未来传入的措施做什么，但这些数据是完全随机的......所以我的问题更多是关于如何绘制图表和比较斜率而不是数据本身......再次感谢无论如何！
@Axeman 根据原始海报对此答案的评论，是的。