การจัดจาน: สร้างกราฟ Publication-Ready ด้วย plot

library(khaosuay)
#> khaosuay: สำหรับกราฟภาษาไทย เรียก setup_thai_font() ก่อนใช้ serve_plate()

ภาพรวม

plot_cooked() รับผลจาก cook_crd() / cook_rcbd() / cook_split() แล้วสร้างกราฟ publication-ready อัตโนมัติ พร้อมคุณสมบัติ:

เลือก Bar graph หรือ Boxplot อัตโนมัติตามจำนวนซ้ำ
ใส่ ตัวอักษรทางสถิติ (a, b, c) จาก post-hoc อัตโนมัติ
แสดง จุดข้อมูลดิบ (jitter points) ซ้อนบนกราฟ
แสดง Error bar (SE หรือ SD)
สไตล์สำหรับ วารสารวิชาการ (พื้นขาว ไม่มี gridlines เส้นแกนชัดเจน)
รองรับ Colorblind-friendly palette (viridis, grey, set2)

เตรียมข้อมูลตัวอย่าง

set.seed(123)
rice_data <- data.frame(
  variety = rep(c("KDML105", "RD41", "RD57", "PTT1"), each = 4),
  rep     = rep(1:4, times = 4),
  yield   = c(
    rnorm(4, 650, 30), rnorm(4, 580, 25),
    rnorm(4, 710, 35), rnorm(4, 620, 28)
  ),
  height  = c(
    rnorm(4, 120, 5), rnorm(4, 110, 6),
    rnorm(4, 130, 4), rnorm(4, 115, 7)
  )
)

washed <- wash_rice(rice_data, treatment_col = "variety", rep_col = "rep",
                    verbose = FALSE)
tasted <- taste_rice(washed, response = c("yield", "height"),
                     treatment = "variety",
                     mode = "both", plot = FALSE, verbose = FALSE)
cooked <- cook_crd(washed, response = c("yield", "height"),
                   treatment = "variety", tasted = tasted, verbose = FALSE)

การใช้งานพื้นฐาน

Plot ทุกตัวแปร

plot_cooked(cooked)

Plot เฉพาะตัวแปรที่ต้องการ

plot_cooked(cooked, response = "yield")

ปรับแต่ง Labels

plot_cooked(
  cooked,
  response = "yield",
  y_label  = "Grain Yield (kg/rai)",
  x_label  = "Rice Variety",
  title    = "Yield Comparison Among Rice Varieties"
)

เลือกประเภทกราฟ

อัตโนมัติ (auto)

plot_type = "auto" (ค่าเริ่มต้น) จะเลือกตามจำนวนซ้ำ:

n per group <= 4 → Bar graph + Error bar + Jitter points
n per group > 4 → Boxplot + Jitter points + Mean dot

บังคับ Bar graph

plot_cooked(cooked, response = "yield", plot_type = "bar")

บังคับ Boxplot

plot_cooked(cooked, response = "yield", plot_type = "box")

สังเกตว่า Boxplot จะมี จุดแดง (diamond) แสดงค่าเฉลี่ย

เปลี่ยน Palette

Viridis (default) — Colorblind-friendly

plot_cooked(cooked, response = "yield", palette = "viridis")

Grey — สำหรับพิมพ์ขาวดำ

plot_cooked(cooked, response = "yield", palette = "grey")

Set2 — สีสดใส

plot_cooked(cooked, response = "yield", palette = "set2")

Error Bar: SE vs SD

# Standard Error (default)
plot_cooked(cooked, response = "yield", error_type = "se")

# Standard Deviation
plot_cooked(cooked, response = "yield", error_type = "sd")

ซ่อน/แสดงองค์ประกอบ

# ซ่อนจุดข้อมูลดิบ
plot_cooked(cooked, response = "yield", show_points = FALSE)

# ซ่อนตัวอักษรทางสถิติ
plot_cooked(cooked, response = "yield", show_letters = FALSE)

ปรับขนาดต่าง ๆ

plot_cooked(
  cooked,
  response     = "yield",
  font_size    = 14,       # ขนาดฟอนต์พื้นฐาน
  bar_width    = 0.7,      # ความกว้างแท่ง
  point_size   = 3,        # ขนาดจุด jitter
  jitter_width = 0.1,      # ความกว้างการกระจายจุด
  letter_size  = 5,        # ขนาดตัวอักษร a,b,c
  letter_nudge = 10        # ระยะยกตัวอักษร (หน่วยเดียวกับ Y axis)
)

บันทึกเป็นไฟล์

# บันทึกเป็น PNG
plot_cooked(
  cooked,
  response    = "yield",
  save_path   = "figures/yield_comparison.png",
  save_width  = 7,      # inch
  save_height = 5,      # inch
  save_dpi    = 300      # resolution
)

# ถ้ามีหลาย response จะต่อชื่อไฟล์อัตโนมัติ
# เช่น figures/results_yield.png, figures/results_height.png
plot_cooked(cooked, save_path = "figures/results.png")

กราฟสำหรับ Split-plot / Factorial

เมื่อใช้กับ factorial หรือ split-plot กราฟจะแสดงแบบ grouped:

แกน X = ปัจจัยที่ 1 (main-plot หรือ factor แรก)
สี (fill) = ปัจจัยที่ 2 (sub-plot หรือ factor ที่สอง)

set.seed(456)
split_data <- data.frame(
  variety    = rep(rep(c("V1", "V2"), each = 3), 4),
  fertilizer = rep(c("N0", "N50", "N100"), times = 8),
  rep        = rep(1:4, each = 6),
  yield      = rnorm(24, mean = rep(c(450,500,550, 480,560,620), 4), sd = 20)
)

washed_s <- wash_rice(split_data, verbose = FALSE)
tasted_s <- taste_rice(washed_s, response = "yield",
                       treatment = c("variety", "fertilizer"),
                       block = "rep", mode = "both", plot = FALSE,
                       verbose = FALSE)

cooked_s <- cook_split(washed_s, response = "yield",
                       main_plot = "variety", sub_plot = "fertilizer",
                       block = "rep", tasted = tasted_s, verbose = FALSE)

plot_cooked(
  cooked_s,
  response = "yield",
  y_label  = "Yield (kg/rai)",
  x_label  = "Variety"
)

สังเกตว่ากราฟจะแสดง:

CV(a) (main-plot CV%) และ CV(b) (sub-plot CV%) ที่มุมขวาบน
ตัวอักษรทางสถิติจาก interaction post-hoc (ถ้า interaction significant)

ใช้ ggplot object ต่อยอด

plot_cooked() คืน list ของ ggplot objects (invisible) ที่คุณสามารถปรับแต่งเพิ่มเติมได้:

plots <- plot_cooked(cooked, response = c("yield", "height"))

# ปรับแต่งเพิ่มเติมด้วย ggplot2
library(ggplot2)
plots$yield + labs(caption = "Data from 2024 field trial")

สรุปพารามิเตอร์ทั้งหมด

พารามิเตอร์	ค่าเริ่มต้น	คำอธิบาย
`cooked`	(required)	cooked_rice object
`response`	ทุกตัวแปร	เลือก response ที่จะ plot
`plot_type`	`"auto"`	`"auto"`, `"bar"`, `"box"`
`show_points`	`TRUE`	แสดงจุดข้อมูลดิบ
`show_letters`	`TRUE`	แสดง a, b, c
`error_type`	`"se"`	`"se"` หรือ `"sd"`
`palette`	`"viridis"`	`"viridis"`, `"grey"`, `"set2"`
`y_label`	ชื่อ response	ชื่อแกน Y
`x_label`	ชื่อ treatment	ชื่อแกน X
`title`	ไม่มี	ชื่อกราฟ
`font_size`	`12`	ขนาดฟอนต์พื้นฐาน
`save_path`	`NULL`	path สำหรับบันทึกไฟล์
`save_dpi`	`300`	resolution ของไฟล์

การจัดจาน: สร้างกราฟ Publication-Ready ด้วย plot_cooked()