r语言怎么给一组数据分组做直方图（用R语言做数据分析）

在双因素方差分析中，受试者被分配到两因子的交叉类别组中。以基础安装中的Tooth-Growth数据集为例，随机分配60只豚鼠，分别采用两种喂食方法（橙汁或维生素C），各喂食方法中抗坏血酸含量有三种水平（0.5mg、1mg或2mg），每种处理方式组合都被分配10只豚鼠。牙齿长度为因变量。双因素方差分析代码如下：

> attach(ToothGrowth)

> table(supp,dose)

dose

supp 0.5 1 2

OJ 10 10 10

VC 10 10 10

> aggregate(len,by=list(supp,dose),FUN=mean)

Group.1 Group.2 x

1 OJ 0.5 13.23

2 VC 0.5 7.98

3 OJ 1.0 22.70

4 VC 1.0 16.77

5 OJ 2.0 26.06

6 VC 2.0 26.14

> aggregate(len,by=list(supp,dose),FUN=sd)

Group.1 Group.2 x

也可以用gplots包中的plotmeans()函数展示交互效应，代码如下：

> library(gplots)

>plotmeans(len~interaction(supp,dose,sep=""),connect=list(c(1,3,5),c(2,4,6)),col=c("red","darkgreen"),main="Interaction Plot with 95% CIs", xlab = "Treatment and Dose Combination")

图形展示了均值、误差棒（95%的置信区间）和样本大小。

最后，还可以用HH包中的interaction2wt()函数来进行结果可视化，代码如下：

>library(HH)

>interaction2wt(len~supp*dose)

从以上三种可视化结果都能看出：随着橙汁和维生素C中的抗坏血酸剂量的增加，牙齿长度变长。对于0.5mg和1mg剂量，橙汁比维生素C更能促进牙齿生长；对于2mg剂量的抗坏血酸，两种喂食方法下牙齿长度增长相同。

三种绘图方法中，其中以interaction2wt()函数绘制的图形最为详细，它能展示任意复杂度设计（双因素方差分析、三因素方差分析等）的主效应（箱线图）和交互效应。