背景介绍

今天有一位网友问，下面这张图如何做？仔细一看，其实就是三张柱状图，将需要的数值映射到颜色上即可！

Chapter 4 - Functions and Program Structure

Functions break large computing tasks into smaller ones, and enable people to build on what others have done instead of starting over from scratch. Appropriate functions hide details of operation from parts of the program that don't need to know about them, thus clarifying the whole, and easing the pain of making changes.

函数参数的定义（个数可变的位置形参）

【个数可变的位置参数】
    1）自定义函数时，可能无法事先确定传递的位置实参的个数时（需要根据实际情况来），
这种情况就需要使用可变的位置参数。
    （2）使用 * 定义个数可变的位置形参
    3）返回值结果为一个元组

在每节，先运行以下这几行程序。

library(ggplot2) 
library(ggpubr) 
library(ggtext) #用于个性化图表 
library(dplyr) #用于数据处理
p_base <- ggplot(data = mtcars, aes(x = wt, y = mpg)) + geom_point()

主要数据预处理扩展函数介绍。

关注二幺幺统计课堂公众号可以加入学术交流，群免费获得各种数据资源。大家好，我们已经学习了数据预处理中的数据清洗，数据规划，除了以上操作的一些函数以外，而还提供了很多其他的一些函数。本小节将扩展介绍一些其他的统计函数，我这里主要列举了五个。

·第一个lm是做线性回归的，它是利用因变量与自变量去建立线性回归模型这样的计算。

本函数主要用于计算otu丰度表的a多样性计算

#依赖包
library(vegan)
library(picante)

计算函数

alpha_diversity <- function(x, tree = NULL) {
    observed_species <- estimateR(x)[1, ]
    Chao1 <- estimateR(x)[2, ]
    ACE <- estimateR(x)[4, ]
    Shannon <- diversity(x, index = 'shannon',base = 2)
    Simpson <- diversity(x, index = 'simpson')    #注意，这里是Gini-Simpson 指数
    goods_Coverage <- 1 - rowSums(x == 1) / rowSums(x)
    
    #保留四位小数
    Shannon <- sprintf("%0.4f", Shannon)
    Simpson <- sprintf("%0.4f", Simpson)
    goods_Coverage <- sprintf("%0.4f", goods_Coverage)
    
    
    result <- data.frame(observed_species, ACE,Chao1, Shannon, Simpson, goods_Coverage)
    
    if (!is.null(tree)) {
        PD_whole_tree <- pd(x, tree, include.root = FALSE)[1]
        names(PD_whole_tree) <- 'PD_whole_tree'
        result <- cbind(result, PD_whole_tree)
        
        result <- data.frame(observed_species, ACE,Chao1, Shannon, Simpson,
                             PD_whole_tree ,goods_Coverage)
    }
    result
}

在每节，先运行以下这几行程序。

library(ggplot2) 
library(ggpubr) 
library(ggtext) #用于个性化图表 
library(dplyr) #用于数据处理
p_base <- ggplot(data = mtcars, aes(x = wt, y = mpg)) + geom_point()