r read.csv删除左侧序号_R语言_临床资料基线表的绘制(1)

本文介绍了如何使用R语言处理临床数据,包括删除缺失值、转换变量类型、进行正态性检验以及绘制三线表。通过`survival`包处理数据,使用`shapiro.test`进行正态性检验,`tableone`包创建三线表,并展示了如何处理非正态分布数据和进行精确检验。
摘要由CSDN通过智能技术生成

#这段时间在整理变量众多的临床数据,为了提高效率,复习了一下之前学到的R语言绘制临床资料基线表的R代码,并以飨各位。为什么说(1),以为后面还会适时补充单因素和多因素R语言分析的代码。

##临床资料基线表--三线表

rm(list = ls())

library(survival)

data("pbc")##使用survival包自带的数据集

##step 1.过滤缺失值

sapply(names(pbc), function(x)sum(is.na(pbc[x])))

pbc<-na.omit(pbc)

sapply(names(pbc), function(x)sum(is.na(pbc[x])))

96e47a3294048357d153d38738795ddf.png

##2.数据类型

str(pbc)

##将分类变量转换为因子型变量

factorVars<-c("status","trt","ascites","hepato","spiders","edema","stage")

pbc[factorVars]<-lapply(pbc[factorVars],factor)

str(pbc)

f44b8420bb2a5ff5254d15810f071847.png

##3.数值型变量的正态性检验

##正态性检验

shapiro.test(as.numeric(pbc$chol))

shapiro.test(pbc$time)

  • 1
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值