在R语言中，如何将两张图片放在同一个坐标系下

目标：

在R语言中，将数据的经验分布函数和生存函数绘制在同一个坐标系下。

方法一：

使用ggplot,在layer层上绘制两个不同的曲线，前提是这两个曲线使用的数据值具有先沟通的长度。也就是说，两条区间的x轴对应的数据点必须完全相同。

自定义函数：

# 自定义函数
# 用于经验分布函数
cdf_table <- function(x){
  x <- sort(x)
  n <- length(x)
  tab <- unname(c(table(x)))
  pct = tab / n
  d <- data.frame(
    x = sort(unique(x)),
    freq = tab,
    pct = pct,
    cumfreq = cumsum(tab),
    cumpct = cumsum(pct))
  d
}


# 用于生存函数
surv_table <- function(x){
  x <- sort(x)
  n <- length(x)
  tab <- unname(c(table(x)))
  pct = tab / n
  d <- data.frame(
    x = sort(unique(x)),
    freq = tab,
    pct = pct,
    cumfreq = cumsum(tab),
    cumpct = cumsum(pct),
    cumsurv = 1-cumsum(pct))
  d
}

数据整理成绘图所需要的形式： 

scores = c(63, 72, 74, 79, 82, 82, 87, 89, 90, 90)
surv_freq <-surv_table(scores)
dfreq <- cdf_table(scores)

f1 <- c(-Inf,0,0,0,0,1)
f2 <- c(Inf,0,0,0,1,0)
surv_freq1 <- rbind(f1,surv_freq,f2)


f3 <- c(-Inf,0)
f4 <- c(Inf,1)
dfreq1 <- dfreq[,c(1,5)]
data_f <- rbind(f3,dfreq1,f4) 

data_S <- surv_req[,c(1,6)]
dat <- cbind(data_f,data_S[,2])

 在同一坐标轴中绘制生存函数和经验分布函数

library(ggplot2)
ggplot(dat)+
  geom_line(aes(x=dat[,1],y=dat[,2]),color="red")+
  geom_line(aes(x=dat[,1],y=dat[,3]),color="blue")
# geom_line()使用折线段

 折线段+散点图：

library(ggplot2)
ggplot(dat)+
  geom_line(aes(x=dat[,1],y=dat[,2]),color="red")+
  geom_point(aes(x=dat[,1],y=dat[,3]),color="blue")

 阶梯函数+折线段：

library(ggplot2)
ggplot(dat)+
  geom_step(aes(x=dat[,1],y=dat[,2]),color="red")+
  geom_line(aes(x=dat[,1],y=dat[,3]),color="blue")

 对于x轴、y轴以及图的title就相当简单了，可以查一下相关的添加标签命令，或者直接对dat这个数据框修改colname。

方法二：

使用plot() + lines()

仍然以上列的数据为例，区别在于每个图使用的x的长度是不一样的。

plot(x=dat[2:8,1], y=dat[2:8,2], xlab="Time",
     ylab="函数值",type="l",col="red")
lines(x=dat[,1], y=dat[,3], lty=2,col="blue")
legend(63,0.7, 
       c("经验分布函数","生存函数"), 
       lty=c(1,2), col=c("red","blue"),cex=0.8)

 

参考：如何用R语言中ggplot包在同一张图上画两组折线图，或者散点图_r语言一张图多个散点图_Sarah945的博客-CSDN博客

CoxPhLb source: R/station.test.plot.R 

Add legends to plots in R software : the easiest way! - Easy Guides - Wiki - STHDA

最后一个网址是关于legend函数的相关介绍，这个网页给出的该函数的使用非常全面且直观！