【R语言生存分析实战宝典】：掌握survival包绘制精美生存曲线的5大核心技巧

第一章：R语言生存分析与survival包概述

生存分析的基本概念

survival包的核心功能

# 创建生存对象
library(survival)
# time: 事件时间, status: 删失状态 (1=事件发生, 0=删失)
surv_obj <- Surv(time = lung$time, status = lung$status)

常用分析流程

• 加载 survival 包并准备包含时间与事件状态的数据
• 使用 Surv() 构建响应变量
• 调用 survfit() 进行生存曲线估计
• 通过 coxph() 拟合Cox回归模型分析协变量影响

第二章：生存数据准备与预处理核心技巧

2.1 理解生存数据结构：时间与事件状态的编码

事件状态的二元编码

• 0：表示删失（censored），即个体在观察期内未发生事件；
• 1：表示事件发生（event occurred），如死亡、故障等。

典型数据结构示例

time  status
 5     1
 8     0
 3     1
12     0

2.2 使用Surv()函数构建生存对象的实践要点

基本语法与参数解析

Surv(time, time2, event, type = "right", origin = 0)

常见使用场景示例

• 右删失数据：Surv(time, status) —— 最常见形式
• 区间删失：需提供 time 和 time2，并设置 type="interval"

2.3 数据清洗与删失类型识别的实战方法

常见删失类型的识别

# 判断删失类型
def classify_censoring(t_start, t_end, event):
    if event == 0:
        return 'right_censored'
    elif pd.isna(t_start) and not pd.isna(t_end):
        return 'left_censored'
    elif not pd.isna(t_start) and not pd.isna(t_end):
        return 'interval_censored'
    else:
        return 'exact'

2.4 分组变量的处理与因子化策略

因子化编码方式

• 标签编码：将类别映射为整数，适用于有序分类。
• 独热编码：生成二元向量，避免引入虚假顺序关系。

代码实现示例

import pandas as pd
# 示例数据
data = pd.DataFrame({'color': ['red', 'blue', 'green', 'red']})
# 使用pandas进行因子化
data['color_code'] = pd.Categorical(data['color']).codes

编码选择建议

2.5 数据可视化前的完整性检查与异常值处理

完整性检查

import pandas as pd
# 加载数据
df = pd.read_csv("data.csv")
# 检查缺失情况
print(df.isnull().sum())

异常值识别与处理

# 计算IQR
Q1 = df['value'].quantile(0.25)
Q3 = df['value'].quantile(0.75)
IQR = Q3 - Q1
# 定义上下界
lower_bound = Q1 - 1.5 * IQR
upper_bound = Q3 + 1.5 * IQR
# 筛选正常值
df_filtered = df[(df['value'] >= lower_bound) & (df['value'] <= upper_bound)]

第三章：Kaplan-Meier估计与log-rank检验应用

3.1 Kaplan-Meier曲线的统计原理与R实现

生存分析的基本概念

R中的实现方式

library(survival)
library(survminer)

# 构建生存对象
fit <- survfit(Surv(time, status) ~ group, data = lung)

# 绘制曲线
ggsurvplot(fit, data = lung, pval = TRUE)

结果解读

3.2 利用survfit()进行分组生存率估算

基本语法与分组机制

library(survival)
fit <- survfit(Surv(time, status) ~ group, data = lung)
summary(fit)

结果解析

• time：事件发生的时间点
• n.risk：在该时间点仍处于风险中的样本数
• survival：估计的生存概率
• strata：标识各分组的生存曲线段

3.3 log-rank检验在组间比较中的实际运用

适用场景与假设条件

R语言实现示例

# 使用survival包进行log-rank检验
library(survival)
fit <- survfit(Surv(time, status) ~ group, data = lung_data)
result <- survdiff(Surv(time, status) ~ group, data = lung_data)
print(result)

结果解读

第四章：精美生存曲线绘制与图形定制化技巧

4.1 使用plot()绘制基础生存曲线并优化样式

基础绘图调用

library(survival)
fit <- survfit(Surv(time, status) ~ 1, data = lung)
plot(fit, xlab = "Time (days)", ylab = "Survival Probability", main = "Kaplan-Meier Curve")

样式优化参数

• col：设置曲线颜色，如 col = "blue"；
• lty：控制线型，如实线（1）、虚线（2）；
• conf.int：是否显示置信区间，默认为 TRUE。

plot(fit, conf.int = TRUE, col = "darkgreen", lty = 1, 
     xlab = "Follow-up Time (Days)", ylab = "Survival Rate")

import matplotlib.pyplot as plt
import numpy as np

x = np.arange(0, 10, 0.1)
y = np.sin(x)
ci = 1.96 * np.std(y) / np.sqrt(len(y))  # 95% 置信区间

plt.plot(x, y, label='趋势')
plt.fill_between(x, y - ci, y + ci, alpha=0.3, label='95% CI')
plt.legend()
plt.show()

import matplotlib.pyplot as plt

# 假设已计算中位生存时间为18.6个月
median_survival = 18.6
plt.axvline(median_survival, color='red', linestyle='--', linewidth=1.5)
plt.text(median_survival, 0.5, f'Median: {median_survival} mo', 
         color='red', fontsize=10, rotation=90, va='center')

import matplotlib.pyplot as plt

plt.figure(figsize=(10, 6), dpi=300)
plt.plot([1, 2, 3, 4], [1, 4, 2, 3])
plt.title("High-Resolution Scientific Plot")
plt.savefig("figure.png", dpi=300, bbox_inches='tight', format='png')

apiVersion: v2
name: my-service
version: 1.0.0
dependencies:
  - name: postgresql
    version: 12.4.0
    repository: https://charts.bitnami.com/bitnami

import "go.opentelemetry.io/otel"

func initTracer() {
    tp := sdktrace.NewTracerProvider(
        sdktrace.WithSampler(sdktrace.AlwaysSample()),
        sdktrace.WithBatcher(otlptrace.NewClient(...)),
    )
    otel.SetTracerProvider(tp)
}