Tibble 和 Data.frame 一般可以通用，但是 Tibble 中含有的分组信息，如果不注意，有时可能会引起错误。
ggpubr使用grouped tibble时自动添加group的小坑
> error_rate_summary
# A tibble: 81 x 8
# Groups: enzyme, nps [27]
id enzyme nps rep type Error_Rate mean std
<fct> <fct> <fct> <fct> <chr> <dbl> <dbl> <dbl>
1 NP1 rtaq Fe2O3 rep1 B 0.00141 0.00125 0.000139
2 NP10 extaq Fe2O3 rep1 B 0.00137 0.00138 0.000107
3 NP100 primestar Fe2O3 rep3 Y 0.000908 0.000810 0.0000899
4 NP101 primestar ZnO rep3 Y 0.000919 0.000816 0.0000904
5 NP102 primestar CeO2 rep3 Y 0.000930 0.000785 0.000126
6 NP103 primestar Fe3O4 rep3 Y 0.000934 0.000800 0.000117
7 NP104 primestar Al2O3 rep3 Y 0.000866 0.000817 0.0000839
8 NP105 primestar CuO rep3 Y 0.000892 0.000795 0.0000920
9 NP106 primestar TiO2 rep3 Y 0.000879 0.000796 0.0000832
10 NP107 primestar CK rep3 Y 0.000884 0.000786 0.0000915
# ... with 71 more rows
有一个tibble，group by enzyme和nps。
使用compare_mean()时会报错。
> compare_means(Error_Rate ~ enzyme,error_rate_summary,group.by = "type",paired = F,ref.group = ".all.")
Adding missing grouping variables: `nps`
Error in mutate_impl(.data, dots) :
Column `.group.` must be length 3 (the group size) or one, not 81
注意上面有一个**“Adding missing grouping variables: nps”**的提示。它确实告诉你了。注意看提示，可以帮助定位错误的来源。
转变成 data.frame 之后则发挥正常。
> compare_means(Error_Rate ~ enzyme,as.data.frame(error_rate_summary),group.by = "type",paired = F,ref.group = ".all.")
# A tibble: 4 x 9
type .y. group1 group2 p p.adj p.format p.signif method
<chr> <chr> <chr> <chr> <dbl> <dbl> <chr> <chr> <chr>
1 B Error_Rate .all. rtaq 0.492 1 0.49 ns Wilcoxon
2 B Error_Rate .all. extaq 0.406 1 0.41 ns Wilcoxon
3 Y Error_Rate .all. phusion 0.213 0.851 0.21 ns Wilcoxon
4 Y Error_Rate .all. primestar 0.361 1 0.36 ns Wilcoxon
其原因应该是转变 Data.frame 的时候，group 信息会被丢弃。
当然，也可以使用 ungroup(x) 来去掉 Tibble 中本来的分组信息。