lasso回归结果一行代码提取及美化

获取更多R语言知识，请关注公众号：医学和生信笔记

医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。

lasso回归非常常用，默认的图不丑，但是总有人想要自定义，想要更好看。

其实画图很简单，难的是提取数据。🤣

说到提取数据，说难不难，说简单不简单，如果你会用搜索，就非常简单，根本不用自己写，一般来说，你遇到过的问题，本人肯定早就遇到过且解决了！

下面就给大家演示下怎么用1行代码提取数据！包你满意！包治百病！

加载R包

library(glmnet)
## 载入需要的程辑包：Matrix
## Loaded glmnet 4.1-3
library(survival)

自带的生存分析数据，方便学习。

data(CoxExample)
x <- CoxExample$x
y <- CoxExample$y

head(y)
##            time status
## [1,] 1.76877757      1
## [2,] 0.54528404      1
## [3,] 0.04485918      0
## [4,] 0.85032298      0
## [5,] 0.61488426      1
## [6,] 0.29860939      0

默认画图

mod <- glmnet(x,y,family = "cox")
cvmod <- cv.glmnet(x,y,family="cox") # 交叉验证

下面3个都是默认的函数画的图，真不能说丑，你看超多SCI里都是直接用的原图。

plot(mod,label = T,lwd=2)

plot(mod,xvar = "lambda",label = T,lwd=2)

plot(cvmod)

提取数据

如果你想提取数据，也没什么难度，就是慢慢找，肯定能找到。

library(tidyverse)
## -- Attaching packages ----------------------------- tidyverse 1.3.1 --
## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.8
## v tidyr   1.2.0     v stringr 1.4.0
## v readr   2.1.1     v forcats 0.5.1
## -- Conflicts -------------------------------- tidyverse_conflicts() --
## x tidyr::expand() masks Matrix::expand()
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()
## x tidyr::pack()   masks Matrix::pack()
## x tidyr::unpack() masks Matrix::unpack()

tmp <- as_tibble(as.matrix(coef(mod)), rownames = "coef") %>% 
  pivot_longer(cols = -coef, 
               names_to = "variable", 
               names_transform = list(variable = parse_number), 
               values_to = "value") %>% 
  group_by(variable) %>% 
  mutate(lambda = mod$lambda[variable + 1], 
         norm = sum(if_else(coef == "(Intercept)", 0, abs(value))))

接下来画图就非常简单。

ggplot(tmp, aes(norm,value,color=coef,group=coef))+
  geom_line(size=1.2)+
  labs(x="Log Lambda",y="Coefficients")+
  theme_bw()

当然，肯定也有简便方法！

俗话说得好：

包治百病，包你满意。

下面就是我的表演，用包搞定这个看似复杂的问题！

这个包很神奇，大家有空可以学习下，没空的话等我更新。😁

# 就是这个包，没装的自己安装下！
library(broom)

# 提取数据，就是这么简单！
tidy_df <- broom::tidy(mod)
tidy_cvdf <- broom::tidy(cvmod)

够简单吗？我觉得比自己撸代码简单。

# 给大家看看数据结构
head(tidy_df)
## # A tibble: 6 x 5
##   term   step estimate lambda dev.ratio
##   <chr> <dbl>    <dbl>  <dbl>     <dbl>
## 1 V1        3   0.0312  0.197   0.00596
## 2 V1        4   0.0637  0.179   0.0105 
## 3 V1        5   0.0939  0.163   0.0144 
## 4 V1        6   0.125   0.149   0.0188 
## 5 V1        7   0.153   0.135   0.0226 
## 6 V1        8   0.179   0.123   0.0256

head(tidy_cvdf)
## # A tibble: 6 x 6
##   lambda estimate std.error conf.low conf.high nzero
##    <dbl>    <dbl>     <dbl>    <dbl>     <dbl> <int>
## 1  0.237     13.7    0.0429     13.7      13.7     0
## 2  0.216     13.7    0.0427     13.6      13.7     1
## 3  0.197     13.6    0.0421     13.6      13.7     3
## 4  0.179     13.6    0.0419     13.5      13.6     3
## 5  0.163     13.5    0.0422     13.5      13.6     4
## 6  0.149     13.5    0.0429     13.4      13.5     4

自定义绘图

有了数据，画图就很简单了。

library(ggplot2)
library(RColorBrewer)

#随便定义几个颜色，多找几个，防止不够用
mypalette <- c(brewer.pal(11,"BrBG"),brewer.pal(11,"Spectral"),brewer.pal(5,"Accent"))

ggplot(tidy_df, aes(step, estimate, group = term,color=term)) +
  geom_line(size=1.2)+
  geom_hline(yintercept = 0)+
  ylab("Coefficients")+
  scale_color_manual(name="variable",values = mypalette)+
  theme_bw()

p2 <- ggplot(tidy_df, aes(lambda, estimate, group = term, color = term)) +
  geom_line(size=1.2)+
  geom_hline(yintercept = 0)+
  scale_x_log10(name = "Log Lambda")+
  ylab("Coefficients")+
  scale_color_manual(name="variable",values = mypalette)+
  theme_bw()
p2  

p3 <- ggplot()+
  geom_point(data=tidy_cvdf, aes(lambda,estimate))+
  geom_errorbar(data = tidy_cvdf, aes(x=lambda,ymin=conf.low,ymax=conf.high))+
  scale_x_log10(name = "Log Lambda")+
  ylab("Coefficients")+
  theme_bw()
p3

如果你发文章用的话，横坐标多数都是log lambda，所以你可以把第2张和第3张拼一起，完全不影响使用。

library(patchwork)

p2 / p3

获取更多R语言知识，请关注公众号：医学和生信笔记

医学和生信笔记，专注R语言在临床医学中的使用，R语言数据分析和可视化。主要分享R语言做医学统计学、meta分析、网络药理学、临床预测模型、机器学习、生物信息学等。