- 综合排序
- 最热优先
- 最新优先
- 来自专栏作图丫
R包survminer画生存曲线的实用技能，你get了吗？
在R中进行生存分析常用的包有survival包以及survminer包。 Prognostic Signature for Predicting the Prognosis of Patients With Colorectal Cancer Metastasis]中R包survminer During Immunotherapy Treatment Is a Non-Linear Predictor of Patient Outcomes in Advanced Cancers]采用survminer 今天我们来介绍survminer包。 survminer包应用 01 ggsurvplot() install.packages(“survminer”);library(survminer);require("survival") fit
2.1K31编辑于 2022-03-29 - 来自专栏小明的数据分析笔记本
生存分析中给基因表达量（连续变量）设置阈值
endogenous RNA network and identification of potential regulatory axis in gastric cancer 中 ，他在生存分析的方法部分写到 A “survminer 通过help(package="survminer")查看帮助文档，找打了函数surv_cutpoint()和surv_categorize() 下面试着运行帮助文档中的例子 数据集是这个样子滴： > 38.8 212.0 7563.1 361.4 165.0 GSM50992 664.1 16.9 341.6 16023.4 2096.3 569.2 运行代码 library(survminer image.png 美化还可以参考 https://rpkgs.datanovia.com/survminer/index.html https://rpkgs.datanovia.com/survminer /survminer_cheatsheet.pdf https://rpkgs.datanovia.com/survminer/reference/ggsurvplot.html
1.9K30发布于 2020-04-30 - 来自专栏优雅R
「R」生存图微调
survminer包应该是目前最常见的用来做生存分析可视化的包了。之前在公众号也分享过相关的函数使用方法。也有粉丝发邮件向我咨询过一些问题。 读者需要记住的是，该包可视化的组件基本都是由ggplot2驱动的，所以常见的ggplot2修改方法同样适用于survminer可视化的生存曲线、表格等等。 > library(survival) > library(survminer) > > # Basic survival curves > fit<- survfit(Surv(time, status ★相关链接：https://github.com/kassambara/survminer/issues/196 ”
83910发布于 2020-07-06 - 来自专栏生信技能树
生存分析新技能:小洁老师带你全代码实现生存曲线与风险表的完美融合
前情提要：作为三年前的马拉松授课学员，参加了每个月一次的老学员在线互动答疑，收获颇多，分享给大家： 查找survminer是否自带保存生存图片的函数 查看帮助文档中是否有file这个参数 用帮助文档中的示例代码演示 下面是解答过程： 查找survminer是否自带保存生存图片的函数 library(survival) library(survminer) #> Loading required package: ggplot2 #> Loading required package: ggpubr #> #> Attaching package: 'survminer' #> The following object is masked from 'package:survival': #> #> myeloma ls("package:survminer") #> [1] "%++%" surv_median" "surv_pvalue" "surv_summary" #> [34] "theme_cleantable" "theme_survminer
61110编辑于 2024-07-05 - 来自专栏生信修炼手册
用R语言进行KM生存分析
在R语言中，能够进行生存分析的R包很多，survival和survminer是其中最基本的两个，survival负责分析，survimner负责可视化，二者相结合，可以轻松实现生存分析。 为了方便，我们直接采用survminer中的函数来进行可视化。 3. 分析结果的可视化 最基本的可视化方式如下 library("survminer") ggsurvplot(fit) 效果图如下所示 ? 两条不同颜色的折线代表不用性别的生存曲线。 survminer在可视化结果时，也支持进行差异检验，并将对应的p值标记在图上，代码如下 ggsurvplot(fit, pval = TRUE) 效果图如下 ?
3.3K10发布于 2019-12-19 - 来自专栏好奇心Log
真的！森林图(Forest Plot)全部绘制技巧都在这了
R-survminer包绘制 最后，小编再介绍使用survminer::ggforest()函数绘制制森林图(Forest Plot)，详细如下： 「样例一」： library(survminer) library The Example01 Of survminer::ggforest() 「样例二」： colon <- within(colon, { sex <- factor(sex, labels = The Example02 Of survminer::ggforest() 更多详细例子可参考R-survminer[3] Python-森林图(Forest Plot)绘制方法 Python在绘制森林图 [3] survminer官网:https://rpkgs.datanovia.com/survminer/index.html。
39.8K86发布于 2021-07-30 - 来自专栏优雅R
「R」分面生存曲线
从<https://rpkgs.datanovia.com/survminer/reference/ggsurvplot_facet.html>拷贝的示例 library(survival) library (survminer) # Facet by one grouping variables: rx #:::::::::::::::::::::::::::::::::::::::::::::::::
58620发布于 2020-07-06 - 来自专栏数据 学术 商业 新闻
听说你还不会绘制森林图(Forest Plot)！？超简单的绘制技巧都在这了
R-survminer包绘制 最后，小编再介绍使用survminer::ggforest()函数绘制制森林图(Forest Plot)，详细如下： 「样例一」： library(survminer) library element_markdown(hjust = 1,face = 'bold',size = 11,margin = margin(b = 5,r = 5))) The Example01 Of survminer element_markdown(hjust = 1,face = 'bold',size = 11,margin = margin(b = 5,r = 5))) The Example02 Of survminer ::ggforest() 更多详细例子可参考R-survminer[3] Python-森林图(Forest Plot)绘制方法 Python在绘制森林图(Forest Plot)时可能没R这么方便，但小编也是找到一个可快速绘制的库 [3] survminer官网: https://rpkgs.datanovia.com/survminer/index.html。
6.8K21编辑于 2022-05-24 - 来自专栏数据 学术 商业 新闻
真的！森林图(Forest Plot)全部绘制技巧都在这了~~
R-survminer包绘制 最后，小编再介绍使用survminer::ggforest()函数绘制制森林图(Forest Plot)，详细如下： 「样例一」： library(survminer) library element_markdown(hjust = 1,face = 'bold',size = 11,margin = margin(b = 5,r = 5))) The Example01 Of survminer element_markdown(hjust = 1,face = 'bold',size = 11,margin = margin(b = 5,r = 5))) The Example02 Of survminer ::ggforest() 更多详细例子可参考R-survminer[3] Python-森林图(Forest Plot)绘制方法 Python在绘制森林图(Forest Plot)时可能没R这么方便，但小编也是找到一个可快速绘制的库 [3] survminer官网: https://rpkgs.datanovia.com/survminer/index.html。
7.5K30编辑于 2022-10-25 - 来自专栏R语言交流中心
R语言制作可发表的生存曲线
今天就给大家分享一个可以直接拿来放入文章的生存曲线绘制的R包survminer。 首先，我们看下其安装及依赖包，我们需要安装下面两个包： Install.packages(“survminer”) Install.packages(“survival”) 接下来我们看下此包的使用，包中主要的核心函数是 title = "Survival curves", subtitle = "Based onKaplan-Meier estimates", caption = "created with survminer
2.5K20发布于 2020-07-28 - 来自专栏百味科研芝士
手把手教你绘制NEJM级生存曲线
安装和加载R包 首先绘制生存曲线需要survival和survminer包。 install.packages("survival") # 安装包 install.packages("survminer") # 安装包 library(survival) # 加载包 library (survminer) # 加载包 2.
1.8K20发布于 2020-11-13 - 来自专栏生信补给站
R|生存分析 - KM曲线 ，必须拥有姓名和颜值
生存分析相关推文： 生存分析和KM曲线：R|生存分析（1） 分析结果一键输出：R|生存分析-结果整理 时间依赖生存分析：R|timeROC-分析 一 载入数据，R包 R-survival包生存分析，R-survminer 为了复现方便，使用内置lung数据集 #载入所需的R包 library("survival") library("survminer") #载入并查看数据集 data("lung") head(lung 可以很容易的发现与文献中的差异，部分可优化点： 1）区分两条线的颜色和legend 2）坐标轴，标题，主题优化 3）Risk table 4）P值，OR值，CI值等注释信息 三 KM曲线“美颜” 1 survminer ggplot2 |legend参数设置，图形精雕细琢 ggplot2|ggpubr进行“paper”组图合并 参考资料： 更多参数参见官方文档：https://github.com/kassambara/survminer
3.3K30发布于 2020-08-05 - 来自专栏数据 学术 商业 新闻
森林图(Forest Plot)绘制技巧大汇总！！
R-survminer包绘制 最后，小编再介绍使用survminer::ggforest()函数绘制制森林图(Forest Plot)，详细如下： 「样例一」： library(survminer) library element_markdown(hjust = 1,face = 'bold',size = 11,margin = margin(b = 5,r = 5))) The Example01 Of survminer element_markdown(hjust = 1,face = 'bold',size = 11,margin = margin(b = 5,r = 5))) The Example02 Of survminer ::ggforest() 更多详细例子可参考R-survminer[3] Python-森林图(Forest Plot)绘制方法 Python在绘制森林图(Forest Plot)时可能没R这么方便，但小编也是找到一个可快速绘制的库 [3]survminer官网: https://rpkgs.datanovia.com/survminer/index.html。
9.6K32编辑于 2021-12-09 - 来自专栏R语言交流中心
R语言中COX模型构建
我们需要准备相应的R包包括：survival (用于cox模型建立)，survminer (用于cox模型诊断结果的可视化)，Hmisc/compare (C-index值的获取)。 COX模型预测函数survminer包中我们主要应用的函数有： ggcoxzph( )函数 ? ggcoxfunctional()函数 ? R语言survminer中ggcoxzph( )函数可以画出Schoenfeld残差图(PH假定的可视化)。可以进行模型影响点（异常值）识别。 代码：ggcoxzph(ph) ? 6. R语言survminer中ggcoxfunctional()函数可以画出Martingale残差图。实现对模型协变量的非线性诊断。
5.2K40发布于 2019-07-31 - 来自专栏生信补给站
R生存分析|关心的变量KM曲线不显著，还有救吗？
一 载入数据，R包 为了复现方便，使用内置myeloma数据集 #载入所需的R包 library("survival") library("survminer") #查看myeloma数据集 data( 参考资料：https://www.rdocumentation.org/packages/survminer/versions/0.4.9 https://www.rdocumentation.org/ packages/survminer/versions/0.4.9/topics/surv_cutpoint
3.9K21发布于 2021-09-09 - 来自专栏生信技能树
生存分析就是一个任人打扮的小姑凉
使用survminer包的surv_cutpoint函数找寻最近生存分析阈值 外国小哥博客写的很清楚：http://r-addict.com/2016/11/21/Optimal-Cutpoint-maxstat.html rm(list=ls()) options(stringsAsFactors = F) # install.packages("survminer") library(survminer) a=read.table
2.1K41发布于 2019-10-25 - 来自专栏生信技能树
apply家族函数和for循环还是有区别的（批量生存分析出图bug）
下面代码会报错： rm(list = ls()) library(survival) library(survminer) dat=data.frame(sample(1:1000,200), 经过在VIP群里的讨论，把apply替换为for就可以运行： rm(list = ls()) library(survival) library(survminer) dat=data.frame(sample
1.2K30发布于 2019-08-06 - 来自专栏拓端tecdat
R语言ggsurvplot绘制生存曲线报错 : object of type ‘symbol‘ is not subsettable
p=14683 预期 绘制生存曲线图 实际 object of type ‘symbol‘ is not subsettable 重现问题的步骤 library(survminer) #> Le Surv(time, status) ~ sex, data = lung) ggsurvplot(fit, data = lung) 如果您仍然想分解R代码，那么我建议使用surv_fit() [survminer
2.3K11发布于 2020-10-21 - 来自专栏生信补给站
R|生存分析（1）
2、R-survminer包绘制KM曲线图：图形更精美，展示效果更好。 library("survminer") #载入R包 fit<- survfit(Surv(time, status) ~ sex, data = lung) #读取数据 #绘制KM图 ggsurvplot 四、参考资料： https://blog.csdn.net/Jaen_tail/article/details/79081954 http://127.0.0.1:20803/library/survminer
3K21发布于 2020-08-06 - 来自专栏医学和生信笔记
R语言生存曲线的可视化(超详细)
survminer是专门用来进行生存分析可视化的R包，主要函数如下： 生存曲线 ggsurvplot(): arrange_ggsurvplots(): ggsurvevents(): surv_summary library(survival) library(survminer) str(lung) ## 'data.frame': 228 obs. of 10 variables: ## $ inst title = "Survival curves", subtitle = "Based on Kaplan-Meier estimates", caption = "created with survminer title = "Survival curves", subtitle = "Based on Kaplan-Meier estimates", caption = "created with survminer rm(list = ls()) library(survival) library(survminer) psych::headTail(colon) ## id study
3.9K21编辑于 2023-02-14
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号