我写的全部R包和函数,持续更新中

由于我写的R包和函数越来越多了,有些粉丝想找不容易找到,特开这样一个帖子,用于整理和归类。链接上的都是最新版本。

免费的R包

1.ggrcs包 用于绘制限制立方样条图,目前已经更新到4.0版本,可以绘制带直方图和不带直方图的限制立方样条图。操作见下面文章

代码+视频,手把手教你R语言ggrcs包绘制限制立方样条图+阈值效应分析

2.pm3包 用于对进行3分类变量的倾向评分匹配

代码+视频,PM3包进行3组倾向评分匹配并绘制smd图

3.scitb包 用于制作数据的基线表(表一)

R语言使用scitb包10分钟快速绘制论文基线表

4.ggscidca包 用于绘制生存分析、逻辑回归、竞争风险模型、随机森林、支持向量机等模型的决策曲线绘制。

ggscidca包2.3版本发布, 10分钟让你成为决策曲线高手

5.gg2,gg3,gg5函数 用于手动绘制各种类型的校准曲线

手动绘制R语言Logistic回归模型的外部验证校准曲线(Calibration curve)(2)

付费的函数:

1.cuttab函数 用于获取rcs曲线阈值的转折点,可以配合ggrcs包进行绘图,这个函数不支持nhanes数据(复杂调查数据)。目前最新是2.0版本

R语言阈值效应函数cut.tab2.0版发布(支持线性回归、逻辑回归、cox回归,自定义拐点)

2.scitb5亚组交互函数 用于一键生存交互效应表(P for interaction)这个函数写了2套,这个是相乘的模型。最开始写了逻辑回归和线性回归的,后面又写了cox回归的。这个函数不支持nhanes数据(复杂调查数据)

scitb5函数2.1版本(交互效应函数P for interaction)发布----用于一键生成交互效应表、森林图

生存分析亚组交互函数scitb5.coxph 1.6(P for interaction)发布-用于一键生成交互效应表、森林图

3.svyscitb5函数 用于nhanes数据(复杂调查数据)的一键生存交互效应表(P for interaction)这个函数写了2套,相乘的模型。最开始写了逻辑回归和线性回归的,后面又写了cox回归的。

NHANES数据(复杂调查数据)亚组交互函数2.2版(P for interaction)发布---用于一键生成交互效应表

NHANES数据(复杂调查数据)COX回归亚组交互函数1.8尝鲜版(P for interaction)发布

4.newscitb5函数 应很多的粉丝的要求,编写了新版本的亚组交互函数(P for interaction),支持多个亚组参照比较,此函数还在进一步升级中。

新版亚组交互效应函数(P for interaction)newscitb5 1.3版本发布--用于一键生成交互效应表

5.svypm2函数 目前据我所知,目前尚未有专门的nhanes数据匹配的函数或者R包,应粉丝的要求,开发了svypm2函数,目前只能做2组分类的倾向评分匹配,3组分类的倾向评分匹配的还要等一等。

首发,nhanes数据(复杂调查数据)倾向性评分匹配函数(PSM)svypm2发布

如果有什么you好意见和建议,欢迎留言或者私信我。

相关推荐
Bioinfo Guy3 小时前
高分Panel复现系列|转录因子网络太乱?用模块框把重点圈出来
数据库·生物信息学·生信可视化
leisoo80973 小时前
100GBA股股票数据怎么存ClickHouseRedisMySQLJSON完整对比
大数据·linux·服务器·开发语言·python
WangYan20223 小时前
基于XGBoost与AI的生态—地学多源数据建模:植被与土地利用识别、土壤碳氮空间预测、生物多样性驱动机制、土壤微生物功能预测、生态退化与风险识别
python·机器学习·xgboost
ltl4 小时前
Disaggregated DB 合集:Socrates、PolarDB、Taurus 的共同模式
数据库
金銀銅鐵5 小时前
[Python] 借助 turtle 逐字展示唐诗《金缕衣》
python
Blossom i6 小时前
大数据预处理与采集实验一:使用Python操作MySQL数据库
数据库·mysql
雾时之林7 小时前
Linux--软件管理、源码包安装
linux·服务器·数据库
Python大数据分析@7 小时前
使用大模型MCP采集数据,爬虫已经无门槛
python·网络爬虫
quantdash_cc7 小时前
告别自建 Requests/BS4 网页爬虫:基于 QuantDash 搭建零维保的高性能量化行情流水线
开发语言·爬虫·python·pandas·量化·quantdash
65岁退休Coder8 小时前
LangChain v1.3.4 笔记 - 07 补充:链式调用 LCEL
后端·python·langchain