1.计算均值和方差（生成新列表）

这里，以前面单因素方差分析所用的数据为例：

利用aggregate( )函数计算均值和标准差（即误差线） ，方便后面绘制图形和标记显著性：

令aov.mean

令aov.sd

提取sd值：

将均值和sd值合并成一个数据数据框

aov

2.ggplot2包绘制图形

(1)添加误差线

这里使用geom_errorbar( )绘制带有误差棒的条形图（这里一定要注意position要与geom__bar( )保持一致，因为系统默认dodge是0.9，因此geom_errorbar(　）里面position　需要设置0.9，width设置误差棒的大小）

library(ggplot2)

ggplot(data=aov,aes(x=Group.1, y=x))+geom_bar(stat="identity",position="dodge")+geom_errorbar(aes(ymax=x+sd,ymin=x-sd),position=position_dodge(0.9),width=0.15)+scale_fill_brewer(palette="Set1")

（2）添加显著性标记

如何在我们的误差线中添加显著性标记值呢（也就是dancan的标记字母法），其实是利用geom_text函数，也就是相当于在数据上添加文本，首先我们需要将想表的字母利用label函数 表达出起来：

第一步：利用aov函数进行单因素方法分析：数据集利用上方z

令fit

再利用agricolae包进行dancan检验：

install.packages("agricolae")

library(agricolae)

out

调用out结果中的groups 组：

将其和sd值结合起来：

利用data_frame函数合并后：

后利用arrange函数根据Group.1进行分类：

avo.order

我们发现没有什么变化，其实这个排序而是按首写字母顺序排序的，我们需要按照他本身的含义进行排序（5,4,1,7,6,3,2）进行排序：

这时候我们就需要增加一类数值型的，并按照此排列：

令m

然后利用arrange函数利用group组进行分类：

avo.order

然后利用ggplot包添加显著性标记（如下）：

前面画的误差线图一样

p

然后利用geom_tex函数和label赋值进行标记：

label

ggsave("p.avo.tiff",p.avo,width=4,height=4.7)#输出高质量的图