假设数据为fit.data，
fit.data2<-summary(fit.data)
1-pf(fit.data2$fstatistic[1],fit.data2$fstatistic[2],fit.data2$fstatistic[3])计算出来的值就是p-value
比如 Horticulture Research 中的论文 Comparative analysis of long noncoding RNAs in angiosperms and characterization of long noncoding RNAs in response to heat stress in Chinese cabbage 方法部分写道
这里相当于是计算两个数据集中的变量之间的相关性，之前发现 correlation 这个R包里的函数 correlation() 可以做
但是这里遇到了一个问题
关掉这个报错界面以后就会提示
暂时还不知道如何解决，自己搜索了一下暂时还没有找到解决办法
只能把输入法切换成中文，然后一次性把函数名输入完
计算相关系数和P值
结果如下
但是mRNA的表达量有上万个，用这个函数计算的时候是非常慢的
找到了另外一个函数是 Hmisc 这个包中的 rcorr() 函数
这个速度快很多，但是他不能计算两个数据集之间变量的相关性，
这样的话可以先计算，然后再筛选
这个函数要求的输入数据是矩阵格式
自定义函数将这个结果转换成一个四列的数据框格式
最后用变量名去匹配
两个矩阵之间的相关性热图这么容易画的吗？零基础学习R语言之相关性分析2_哔哩哔哩_bilibili
psych 这个包里的 corr.test() 函数也是可以直接计算两个数据集变量之间的相关性的，这个结果了也有显著性检验的p值
但是这个如果数量量比较大的话速度也很慢
小明的数据分析笔记本
最终出图如下
这里自动做统计检验的函数是 stat_compare_means()
读入数据
作图
这个函数来自于ggpubr这个包，只需要指定根据那一列来分组就可以了
默认的是Wilcoxon Rank Sum and Signed Rank Tests，如果要用t检验指定method参数
如果想把P值改成星号，直接加label=“p.signif”参数
这里如果不显著会在图上显示ns，如果不想要ns，可以加 hide.ns = TRUE 参数
星号的位置可以手动指定，用 label.y = c(26,31) 参数
使用到的是 ggsignif 这个包
小明的数据分析笔记本
