分析并出图
显著性分析是最常见的数据呈现⽅式,很多⽂章⾥往往数据分析的第⼀步就是给数据标星星或者加Abcd。在⾷品科学的⽂章⾥,显著性分
析的应⽤也有很多,⽐如⽐较不同加⼯⽅式对营养成分的变化影响;⽐较不同浓度下,提取到的活性成分的⽣物活性差异等。
很多软件(SPSS, SAS)都有这个功能,⽤R做的⽅便之处是可以⾃动出图,直接帮你标注出abcd的分组,以及可以批量处理不同的表格,
不需要⼀个⼀个EXCEL⽂件来制作。
⽹上有很多教程⽤的是⽣命科学,基因组学或者是社会学⽅⾯的数据类来作为例⼦,进⾏R数据分析,往往很难和我们的⾷品数据类⽐,代
码不容易理解。如果有直接利⽤接近⾷品类实验课题的数据,来编写的R教程,代码读起来实⽤性就强多了。
举个例⼦,先假设要分析⼀个问题“不同⽔果中维⽣素C含量的区别”。⽐如每种⽔果做了6次平⾏,总共3种⽔果。那么可以得到下⾯这个
csv表格:
显著性计算可以使⽤的R 包是 "multcomp". “dplyr"包⽤来⽣成均值和⽅差表格。
代码举例:
#加载R包library(multcomp)library(dplyr)##设置⼯作路径setwd("C:/data")##加载数据集data "fruits_Vc.csv")View(data) ##查看数据##选择要分析的数据VitaminC dat 得到的结果如图:
可以看到Banana 和Watermelon之间没有差异,Apple和Banana/WaterMelon都有显著性差异。
当然,最好顺便可以查看均值的表格:
##平均数和⽅差值table % summarise( .groups = 'drop', count = n(), mean = mean(Vitamin, na.rm = TRUE), sd = sd(Vitamin, na.rm = TRUE) ) View(table
基本上这就是最常⽤的Signification计算的R实现⽅法了。当然数据统计上,还需要进⾏正态分布,剔除Outlier等操作,那会是另⼀篇主题
了。
怎么做数据分析#R语⾔和⾷品数据分析#
发布评论