#########存储格式为GB2312###########
setwd("D:\\desktop\\Desktop")#修改文件位置#
data<-read.csv(file="TEST1.csv",header=T)
data.mean<-aggregate(data[,-1],by=list(data$Treatment),FUN=mean) #计算数据各组中各列均值#
data.mean
data.sd<-aggregate(data[,-1],by=list(data$Treatment),FUN=sd) #计算数据各组中列标准差#
data.sd
for(i in 2:length(data)){
  test.s<-shapiro.test(data[,i])
  test.b<-bartlett.test(data[,i]~Treatment,data=data)
  print(colnames(data)[i])
  print(test.s$p.value)
  print(test.b$p.value)
} #样本的正态性检验及齐性检验#
library(agricolae)
for(j in 2:length(data)){
  result.aov<-aov(data[,j]~Treatment,data=data)
  result<-summary(result.aov)
  lsd<-LSD.test(result.aov,"Treatment") #LSD多重比较#
  hsd<-HSD.test(result.aov,"Treatment") #HSD多重比较#
  snk<-SNK.test(result.aov,"Treatment") #SNK多重比较#
  duncan<-duncan.test(result.aov,"Treatment",alpha=0.05) #邓肯多重比较#
  write.table(colnames(data)[j],file="anoval.csv",append=T,sep=",")
  write.table("duncan",file="anoval.csv",append=T,sep=",")
  write.table(duncan$groups,file="anoval.csv",append=T,sep=",")
} #对样品进行方差分析并进行多重比较#
data.mean<-data.mean[,-1]
data_2<-t(data.mean)#t()转置函数，但遇到问题是如果数据框中不全为数值型的，则转置之后所有数据都变为字符型#
data_new<-data.frame(danman=data_2[,1],shuangman=data_2[,2],duoman=data_2[,3])
data_new$Time<-seq(1,7,by=1)
mode(data_new)
str(data)
str(data_new)
data_sd<-data.sd[,-1]
data_3<-t(data_sd)
data_new2<-data.frame(danman_sd=data_3[,1],shuangman_sd=data_3[,2],duoman_sd=data_3[,3])
data_new2$Time<-seq(1,7,by=1)
mode(data_new2)
str(data_new2)
data_sum<-merge(data_new,data_new2,by.x="Time",by.y="Time")
data_sum<-as.data.frame(data_sum)
str(data_sum)
library(ggplot2)
for(z in 2:4){
  name_k<-colnames(data_sum)[z]
  p <- ggplot(data_sum,aes(x=Time,y=data_sum[,z]))+
          geom_line()+
         # ylim(0,max(data_sum[,z]))+
          geom_point(size=4,colour="blue",fill="white")+
          geom_errorbar(aes(ymin=data_sum[,z]-data_sum[,z+3],ymax=data_sum[,z]+data_sum[,z+3]),width=0.4)+
          labs(x="Time",y="Compound Concentration")+
          ggtitle(colnames(data_sum[z]))+
          theme(panel.grid.major=element_blank(),panel.grid.minor=element_blank(),
                axis.line=element_line(size=1,colour="black"))+theme_bw()
  p
  ggsave(filename=paste(name_k,".png",sep=""), dpi = 300)#导出图片###
}

 这里有几个函数我觉得以后在处理数据时会经常用到：

aggregate()，统计各组数据（因子）中各列的平均值，标准差等；

包agricolae可以对数据进行多重比较并自动标记字母；

利用for循环可以达到批量处理数据的问题，上面的代码中利用for循环进行了批量多重比较，以及批量绘制折线图；

merge()可以将两个数据框合并为一个；

在编写过程中，遇到了几个问题已解决：

t()转置函数，如果数据框中不全为数值型的，则转置之后所有数据都变为字符型，需要注意；

批量保存图时，图的文件名在循环中如何修改？  name_k<-colnames(data_sum)[z]，先将列名赋值给name_k， ggsave(filename=paste(name_k,".png",sep=""), dpi = 300)，然后再利用paste()函数为filename赋值；

心得：在编写过程中要随着关注，数据表数据框的类型，结构；

未解决的问题：

1.很明显上面的编码有些笨拙，需要更精炼；

2. 输出的多重比较结果，表格格式需要进一步修改，在表格合并上需要进行进一步处理；

3. 折线图的绘制为一张图上多组折线，并标注多重比较的字母；