利用ovarian数据集进行生存分析

数据展示

导包：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
from lifelines import KaplanMeierFitter
from lifelines import CoxPHFitter

读入数据：

df = pd.read_csv(r"C:\Users\guo\Desktop\ovarian(1).csv")
"""
futime:生存或删失的时间
fustat:删失状态(确定参与者生存时间是否发生缺失)
age:年龄
resid_ds:评估肿瘤的消退情况，（1=否，2=是）
rx:接受两种治疗方案中的一种
ecog_ps:依据ECOG评估的患者表现
"""

生存率估计：Kaplan-Meier估计

df.sort_values('futime', inplace=True)  # 按照futime进行排序
df = df.reset_index(drop=True)  # 更新索引

"""Kaplan-Meier曲线"""
kmf = KaplanMeierFitter()  # 创建KaplanMeierFitter对象
kmf.fit(df.futime, df.fustat)  # 拟合数据
kmf.plot_survival_function()  # 画图，也可以使用kmf.plot()
plt.show()

df_rx1 = df[df['rx']==1]
df_rx2 = df[df['rx']==2]
df_rx1 = df_rx1.reset_index(drop=True) #更新索引
df_rx2 = df_rx2.reset_index(drop=True) #更新索引

kmf_rx1 = KaplanMeierFitter()
kmf_rx1.fit(df_rx1.futime,df_rx1.fustat)
kmf_rx2 = KaplanMeierFitter()
kmf_rx2.fit(df_rx2.futime,df_rx2.fustat)

kmf_rx1.plot(label='rx=1')
kmf_rx2.plot(label='rx=2')
plt.show()

Cox回归分析

"""Cox回归"""
cph = CoxPHFitter()
cph.fit(df,duration_col='futime',event_col='fustat')

cph.print_summary()  # 打印详细信息

cph.plot()  # 画图
plt.show()