dege857的博客

这是R软件自带的数据，描述维生素C对豚鼠牙齿生长的影响，结果是60只豚鼠的成牙本质细胞（负责牙齿生长的细胞）的长度。ggpubr包是个很经典的R包，能绘制专业的论文绘图，它是对ggplot2进行了加强，R包的说明也是介绍用于创建和自定义基于“ggplot2”的出版物绘图，就是个为SCI而生的R包呀，今天咱们使用ggpubr绘制专业的论文需要的带统计数据的箱线图。假如咱们想进行更多的组别比较，比如说对不同的计量进行比较，先要进行设定要比较的组，这里设定0.5，1，2这3个组比较。Dose：药物的剂量。

能绘制热图的R包很多，既往我们已经介绍了《R语言pheatmap包绘制热图》，今天咱们来介绍一下R语言linkET包绘制相关性组合网络热图。相关性热图的意思热图和其他数据的关联性，比较的是多数据间的内在关系。下面咱们来进行相关性的网络热图绘制，绘制前要进行一个曼特尔试验，R包作者是这样说的，相异矩阵的Mantel和偏Mantel检验。linkET包是我们的一个国人写的，目前需要使用devtools::install_github下载，作者对包的描述是万物皆可互联，还挺有意思的。这里选3，不更新就可以了。

左边代表留出点，右边代表流入点，中间带宽表示流入量的大小，因此，我们通过桑基图清晰的看到两个节点的数据流动。我们来看下数据，car就是汽车售价，age是年龄，gender是性别，inccat是收入，这里分成4个等级，ed是教育程度。ggalluvial包绘制桑基图还是比较简单的，我们先要设置axis1流出节点，和axis2流入节点。这样一个最简单的桑基图就画好了，我们给它进一步设置宽度，加个方框和字体，fill这里表示方框的颜色。我们处理一下数据，把分类变量转换成因子，然后加上一个标签。

在科研分析时，常使用ROC曲线评价诊断试验效果，对应使用R软件pROC包中的roc()函数计算AUC值及置信区间等信息，同时使用ggroc()函数在ggplot框架下进行可视化。虽然ggroc()兼容ggplot()语法，但在使用ggroc()时，实际上需使用roc()函数的分析结果整体作为参数进行绘图。若想在同一张图上添加其他图层、修改默认ggroc()默认输出图形等可能存在困难。例如，可能在图层叠加时出现“Can’t addto a ggplot object”的报错。

于是产生了自己通过ggplot来画图的想法，难点在于直方图和RCS的数据量级不一样，放在同一张图需要通过等比例进行映射，然后通过双坐标表示。我们继续通过我们的年龄与吸烟数据来演示（公众号回复：吸烟数据3，可以获得数据），我们先导入R包和数据。于是我查了一下相关文章，目前的画法主要都是通过plot函数来画，不仅作图不够美观，而且画得十分复杂，对新手不够友好，而且很难画出下面这种双叠加的图形。这篇文章的起因是看到某收费软件画的一个直方图+限制立方样条的叠加图，觉得蛮好看的，就是下图这个样子。...

前段时间我已经发表了一篇文章《利用广义可加模型对分类数据进行曲线拟合》，那时是使用vgam包拟合的，后面查资料突然发现vgam包的vgam函数和mgcv包的gam函数还是有区别的，最主要的一个是vgam函数不能进行交互分析，做出来的图和gam函数还是有区别的，因此重发一篇。数据变量很多，我解释几个我等下要用的，HBP是否发生高血压，结局指标，AGE年龄，是我们的协变量，ALH某种治疗方案，分为0和1。这样一个用于发表的图形就做好了，是不是和上面的论文的图形一模一样呀，提取数据后生成预测值。......

age表示年龄，pathsize表示病理肿瘤大小（厘米），lnpos表示腋窝淋巴结阳性，histgrad表示病理组织学等级，er表示雌激素受体状态，pr表示孕激素受体状态，status结局事件是否死亡，pathscat表示病理肿瘤大小类别（分组变量），ln_yesno表示是否有淋巴结肿大，time是生存时间，后面的agec是我们自己设定的，不用管它。这个包自带了一个多因素回归分析的analyse_multivariate函数，用它来拟合模型，这里注意一下，这个函数是用逗号分隔的，不是用加号。...

收到粉丝投稿要求我做个这样的图，来自于2017年发表在Eur Urol期刊（SCI IF=17.9分）。The Impact of Local Treatment on Overall Survival in Patients with Metastatic Prostate Cancer on Diagnosis: A National Cancer Data Base Analysis. Eur Urol, 2017.目前常用的曲线拟合主要是广义可加模型和RCS，既往我已经介绍了《利用重抽样获取m

校准曲线图表示的是预测值和实际值的差距，作为预测模型的重要部分，目前很多函数能绘制校准曲线。一般分为两种，一种是通过Hosmer-Lemeshow检验，把P值分为10等分，求出每等分的预测值和实际值的差距另外一种是calibration函数重抽样绘制连续的校准图我们既往文章《手动绘制R语言Logistic回归模型的外部验证校准曲线（Calibration curve）（2）》已经介绍了如何绘制外部验证模型的校准曲线，今天我们来介绍一下如何绘制分类的校准曲线，如下面的图其实如果我们了解了绘图原

条形统计图是用一个单位长度表示一定的数量,根据数量的多少画成长短不同的直条.带误差的条形图可以通过误差线来判断显著性。继续使用我们的汽车销售数据（公众号回复：汽车销售，可以获得该数据）来演示，先导入数据我们来看下数据，car就是汽车售价，age是年龄，gender是性别，inccat是收入，这里分成4个等级，ed是教育程度。假设我们想知道不同教育水平的男女在买汽车的价格上有什么不同，可绘制带误差和可信区间的折线图，关键就是要算出它的标准误se和95%ci.我们先生成一个计算标准误se和95%ci

论文中折线图可以表示两个变量间的变化关系，带误差或可信区间的折线图表示其中一个变量的变化范围，今天我们通过R语言来演示一下。继续使用我们的汽车销售数据（公众号回复：汽车销售，可以获得该数据）来演示，先导入数据library(foreign)library(ggplot2)library(tidyverse) bc <- read.spss("E:/r/test/tree_car.sav", use.value.labels=F, to.data.fram

火山图在SCI文章中经常出现，其实火山图就是个散点图，通过不同颜色的散点来表示基因的差异。通常横坐标用log2（fold change）表示，差异越大的基因分布在两端，纵坐标用-log10（pvalue）表示，T检验显著性P值的负对数。通常差异倍数越大的基因T检验越显著，所以往往关注左上角和右上角的值。今天我们通过R来绘制火山图，先导入我们的数据和R包library(ggplot2)library(ggrepel)bc<-read.csv("E:/r/test/huoshantu.csv",

交互作用效应(p for Interaction)在SCI文章中可以算是一个必杀技，几乎在高分的SCI中必出现，因为把人群分为亚组后再进行统计可以增强文章结果的可靠性，进行可视化后可以清晰的表明变量之间的关系。不仅如此，交互作用还可以使用来进行数据挖掘。在既往文章中，我们已经介绍了怎么使用R语言对交互作用进行可视化分析（见下图）后台有粉丝问我能不能用SPSS，不用代码，直接界面操作绘制logistic回归交互项（交互作用）的可视化分析图。SPSS可以进行计算出数据，但是绘图能力不行，多变量的数据拟合图不

棒棒糖图有些类似我们传统的柱状图，由一根线条和一个圆形组成，比传统柱状图能表达更多信息。特别是在分类数目比较多的时候，如基因表达等，棒棒糖图更能很好的展示数据。今天我们使用R语言ggpubr包来绘制棒棒糖图，ggpubr包为ggplot的增强包，据说这是个为SCI而生的包，可以绘制出许多非常专业的SCI绘图，而已自带了很多期刊的配色方案，能做出编辑都称赞的图和配色，今后的我们将一一介绍。今天，我们继续使用之前的肉类数据（关注公众号回复：肉类数据可以获得该数据），在既往文章中，我们已经对该数据进行了K均值

我们既往已经讲过使用ggplot绘制箱型图，今天我们来聊聊ggplot绘制小提琴图，小提琴图在SCI论文中非常常见，特别是基因类的文章。小提琴图其实可以算是箱型图的变种（等于：箱型图+核密度图），箱型图展示了数值和分位，小提琴图则是在这个基础上增加不同方位的密度，使得数据一目了然。这种图表结合了箱形图和密度图的特征，主要用来显示数据的分布形状。中间的黑色粗条表示四分位数范围，从其延伸的幼细黑线代表 95% 置信区间，而白点则为中位数。我们今天来说说怎么使用R语言绘制小提琴图，继续使用我们的汽车销售

临床上，因变量和临床的结局有时候不是线性关系，而回归模型有一个重要的假设就是自变量和因变量呈线性关联，因此非线性关系模型用回归分析来拟合受到限制。因此，一个更好的解决方法是拟合自变量与因变量之间的非线性关系，限制性立方(Restricted cubic spline，RCS)就是分析非线性关系的最常见的方法之一。既往教程中我们介绍了使用R语言在COX回归模型基础上绘制限制立方条图，后台有不少粉丝说道不会制作logistic回归和线性回归的限制立方条图，我们今天分别来讲讲。先讲logistic回归绘制立方

上一节我们已经简单已介绍了箱线图原理和单个数据的箱线图表示，今天我们来介绍多数据的箱线图和一些其他扩展，继续使用我们原来的汽车销售数据，我们先把数据和R包导入，library(foreign)library(ggplot2)bc <- read.spss("E:/r/test/tree_car.sav", use.value.labels=F, to.data.frame=T) head(bc,20)我们来看下数据，car就是汽车售价，age是年龄，

箱线图（Box-plot）也叫箱须图，由美国科学家john.w.tukey1977年在论文中首次展示，能显示出数据的最大值、最小值，中位数及上下四分位数，因形状像箱子得名。箱线图箱线图在SCI论文中应用非常广泛。第一四分位数（Q1），又称较小四分位数，等于该样本中所有数值由小到大排列后第25%的数字。第二四分位数，又称中位数，等于该样本中所有数值由小到大排列后第50%的数字。第三四分位数（Q3）又称较大四分位数，等于该样本中所有数值由小到大排列后第75%的数字。逸出值，是根据四分位间距(inter

R语言的一个优势就是在于其强大的制图功能，其中ggplot以强大的制图能力著称，ggplot制图系列我会一直慢慢的写下去，除此之外还会更新GraphPad Prism制图系列。今天来说下，ggplot制作条形图，条形图也叫柱形图，用于显示各项之间的比较情况，常见的有单数据条形图，多数据条形图，堆积条形图，百分比条形图。今天我们使用SPSS自带的汽车销售数据来演示条形图制作，需要使用tidyverse包我们先导入数据library(foreign)library(tidyverse) bc &lt

我们既往已经在文章《手把手教你使用R语言制作临床决策曲线》介绍了怎么使用rmda包制作了临床决策曲线，但是rmda包只能制作logistic回归模型的临床决策曲线，原来制作COX回归模型的stdca包R上下载不到。有粉丝留言向我推荐了ggDCA包，今天来演示一下怎么使用ggDCA包制作COX回归模型临床决策曲线。ggDCA包由我们R语言大神，南方医科大学的博导Y叔制作，使用ggDCA包可以制作logistic回归模型和COX回归模型临床决策曲线，作图很简单，其中也让我体会到了制图的原理，目前ggDCA还在

我们上一张已经讲过如何把提取的数据随机分组，今天来讲讲怎么使用SEER数据库计算发病率趋势，在这之前，我们先来看一篇例文，题目：Incidence, Prognostic Factors and Survival Outcome in Patients With Primary Hepatic Lymphoma作者计算了1983-2015发病率年度百分比变化和发病率走势图，使得发病率走势一目了然，是个加分项。我们今天来讲讲怎么像文章一样从SEER数据库提取发病率数据，并做出发病率走势图。首先打开.

临床上，因变量和临床的结局有时候不是线性关系，而回归模型有一个重要的假设就是自变量和因变量呈线性关联，因此非线性关系模型用回归分析来拟合受到限制。因此，一个更好的解决方法是拟合自变量与因变量之间的非线性关系，限制性立方样条(Restricted cubic spline，RCS)就是分析非线性关系的最常见的方法之一。最近有粉丝问有序多分类变量可以应用在限制立方条图吗？是可以的。我们可以通过分组可视化来显示数据的差异性。需要用到splines、rms、ggplot2这三个包，要先下载好，首先加载包和导入