R与Python绘图和统计入门

更新：2026-10-15；状态：可用；验证范围：官方语言文档核对；基础样本表案例已运行，R通过WebR验证；安装与第三方包按页说明。

先画独立观测和缺失，再计算明确目标；图形、模型和生物学结论分别检查。

同一份表的图

先完成同一份样本表贯通R与Python。Python可选绘图需Matplotlib，按R包Python包与可复现环境安装到.venv后，在项目根目录的终端执行：

macOS/Linux：

.venv/bin/python examples/programming_basics.py --plot

Windows PowerShell：

.\.venv\Scripts\python.exe examples/programming_basics.py --plot

R绘图无需第三方包，在正确项目的R控制台执行：

source("examples/programming_basics.R")

Python生成散点图PNG，R生成箱线图加观测点PDF。两种样式不同，应对应A组3个、B组4个有效观测；缺失样本S04保留在输出表但不画成0。

从描述到模型

上面的R脚本已生成joined和fit。在同一R会话执行coef(fit)，预期截距约2、conditionB约3.5。公式value ~ condition左边是响应值，右边是分组；脚本把A指定为参考。A的预测值为2，B为2+3.5=5.5，正好对应原始组均值。这是人工数字的算术关系，没有生物学或因果证据。

模型输入、缺失规则与独立单位先明确。散点相关、组均值和P值回答不同问题；真实推断读统计方法选择与分析计划、线性模型与混合模型。轴注明单位，误差线注明SD/SE/CI，保留观测点。

Python图已运行，R脚本及PDF经WebR执行；预览PNG由PDF渲染。本轮另在原生R4.4.3运行相同基础R脚本及PDF输出；各系统安装未逐一实测。依据：Matplotlib教程、R绘图入门。