绘制生命曲线图（根据细胞因子）
- 说明
- 流程
- 代码
- 补充
-
- [datanew_column 创建新列/修改现有列](#datanew_column 创建新列/修改现有列)
- 更健壮的数据清理方法
- 类型转换（转换为数值型）
- 类型转换（转换为数值型0/1）
- [保存 / 加载 拟合后的生存曲线对象](#保存 / 加载 拟合后的生存曲线对象)
- 保存绘制的生存曲线（如图片或PDF）
- R语言的官方环境
R Base
官网下载：
https://www.r-project.org/
包含R的核心解释器和基础功能，适合纯命令行操作。
RStudio
官网下载：
https://www.rstudio.com/products/rstudio/download/
说明
初学者注意
（1）代码中所有符号不能是中文
（2）#表示后面的内容是注释，不生效
（3）括号是成对出现的
关于NA值
在 R 语言中，NA（Not Available）是用于表示缺失值（Missing Value）的特殊值。它表示某个数据点不存在、不可用或未被记录。
-
NA 在计算中的行为
大部分数学函数（如 sum(), mean()）默认会因 NA 返回 NA
需使用 na.rm = TRUE 忽略 NA 计算
-
如何检查NA值：
用
is.na() -
如何处理NA值：
（1）删除 NA
na.omit()：删除所有含 NA 的行
complete.cases() + 索引：筛选完整数据
（2）替换 NA
均值/中位数填充（适用于数值型数据）
众数填充（适用于分类数据）
插值法（时间序列数据）
（3）计算时忽略 NA
使用
na.rm = TRUE忽略 NA 计算
流程
（1）加载需要的依赖
（2）读取文件
（3）预处理文件：保障所需数据的完整性、格式规范；
（4）创建对象，拟合生存曲线的数据
（5）绘制曲线
代码
加载包
r
library(survival)
library(survminer)
library(dplyr)
library(readxl)如果提示没有包，就需要下载，例如：不存在叫'survival'这个名称的程序包
install.packages("survival")
读取Excel文件
r
data <- read_excel("G:/术前.xlsx", sheet = "术前")"G:/术前.xlsx"是文件名，"术前"是工作区名称
清理数据
重命名列名
r
# 重命名列名
colnames(data) <- c("IL5", "Status", "OS_months")c表示列名,这里没有写列序号，是按顺序修改前三列，如果要指定修改某列列名，示例如下：
cpp
# 方法1：直接通过列索引修改特定列名
colnames(df)[3] <- "name"
colnames(df)[7] <- "data"
colnames(df)[11] <- "time"
# 方法2：使用向量一次性修改多个列名（更简洁）
colnames(df)[c(3,7,11)] <- c("name", "data", "time")处理IL-5中的"<"符号 - 替换为检测下限的一半
首先找出所有包含"<"的值
r
data$IL5_clean <- ifelse(grepl("<", data$IL5),
as.numeric(gsub("[^0-9.]", "", data$IL5))/2,
as.numeric(data$IL5))| 函数 | 说明 | 特点 |
|---|---|---|
| ifelse(test, yes, no) | test：逻辑测试条件，yes：当test为TRUE时返回的值，no：当test为FALSE时返回的值 | 可以同时处理整个向量/列，会保持输入数据的结构和属性 |
| grepl("<", data$IL5 | 在IL5中搜索"<"符号 | 默认区分大小写，可设置ignore.case=TRUE；多列中查找c("12", "<5", "3<2", "NA") |
| as.numeric(data$IL5) | 将IL5整列的数据强制转换为数值型 | 无法转换时会生成NA并给出警告 |
| gsub("[^0-9.]", "", data$IL5) | 把IL5中所有不是数字和小数点的字符串替换为空 | 应用场景：非常适合清洗实验数据中的检测限值（如"<0.05"），可用于提取混杂在文本中的数值（如"23.5mg/L"），常用于处理实验室数据或医学检测报告中的数值 |
| data$IL5_clean | 如果IL5_clean列不存在，会创建这个新列 | 详细说明请看补充部分：data$new_column 创建新列/修改现有列 |
注意：
这个清理过程，可能会有 某些值无法被正确转换为数值的情况：比如数据中存在空字符串、非数字字符或其他格式问题
解决方法请看补充部分：更健壮的数据清理方法
检查缺失
有些行的数据不合规，通过下述代码可以进行统计不合规的数据有多少
r
sum(is.na(data$IL5_clean))
sum(is.na(data$Status))
sum(is.na(data$OS_months))sum(is.na(data$ IL5_clean))：统计IL5_clean列的缺失值数量
sum(is.na(data$ Status))：统计Status列的缺失值数量
sum(is.na(data$ OS_months))：统计OS_months列的缺失值数量
输出示例：
1\] 5 # IL5_clean有5个缺失值 \[1\] 2 # Status有2个缺失值 \[1\] 3 # OS_months有3个缺失值 ##### 移除缺失值 简单粗暴的方式，把不合规的数据移除（移除整行） ```r data_clean <- data %>% filter(!is.na(IL5_clean) & !is.na(Status) & !is.na(OS_months)) ```  创建一个新的数据框data_clean，只保留三个关键列都非缺失值的完整记录。 > data_clean \<- data：将数据框data复制一份到data_clean > > 管道操作符%\>% 作用：将左侧对象传递给右侧函数的第一个参数 > > filter(.data, ..., .preserve = FALSE) > > .data：要筛选的数据框 > > > > ...：逻辑条件表达式 > > > > .preserve：是否保留分组结构（高级用法） > 意义 > > 1. 数据质量评估： > > 先统计缺失值了解数据完整度 > > 判断是否需要插补或可以直接删除 > > 2. 分析准备： > > 许多统计方法要求完整数据（如生存分析） > > 确保后续分析基于相同的一组观测值 IL5_clean：生物标志物测量值 Status：患者状态（如生死） OS_months：总生存期 三者都是关键分析变量，必须完整 ##### 根据IL-5中位数将患者分为高低两组 ```r # 根据IL-5中位数将患者分为高低两组 median_il5 <- median(data_clean$IL5_clean) data_clean$IL5_group <- ifelse(data_clean$IL5_clean > median_il5, "High", "Low") ``` **median()** 计算中位数，默认情况下，如果向量包含NA值，函数会返回NA，除非设置na.rm = TRUE **median_il5 \<-** 将计算得到的中位数赋值给新变量median_il5，供后续使用。 **data_clean$IL5_group \<-** 将ifelse的结果赋值给数据框中新创建的列IL5_group。 结果呈现：  ### 创建生存对象 ```r surv_obj <- Surv(time = data_clean$OS_months, event = data_clean$Status) ``` **Surv()** 创建生存数据对象，这个对象将作为后续生存分析函数的输入。  **注意1：** Surv() 函数要求时间变量必须是数值型。如果检查出变量类型不符合，会返回NA值 解决方案请看补充部分：**类型转换（转换为数值型）** **注意2：** event 参数必须是一个逻辑值（TRUE/FALSE）或数值型（0/1），其中： 0 或 FALSE 表示 删失（censored）（患者存活或失访） 1 或 TRUE 表示 事件发生（死亡） 解决方案请看补充部分：**类型转换（转换为数值型0/1）** ### 拟合生存曲线 ```r fit <- survfit(surv_obj ~ IL5_group, data = data_clean) ``` **survfit()** 拟合生存曲线，默认使用Kaplan-Meier估计法。  参数解释 **surv_obj \~ IL5_group:** R公式(formula)，指定了生存分析的结构 左边surv_obj是我们之前用Surv()创建的生存对象 右边IL5_group是分组变量(基于之前IL5中位数分组的High/Low组) **data = data_clean:** 指定了变量所在的数据框 这样可以直接使用列名(IL5_group)而不需要用data_clean$IL5_group 注意：关于如何保存拟合后的生存曲线对象，请看补充部分：**保存 / 加载 拟合后的生存曲线对象** ### 绘制生存曲线 ```r # 使用ggsurvplot函数绘制Kaplan-Meier生存曲线图 surv_plot<-ggsurvplot( # 必需参数：生存分析结果对象，通常由survfit()函数生成 fit, # 指定用于生存分析的数据集 data = data_clean, # 设置y轴显示范围，为p值标签留出空间 #ylim = c(0.9, 1.0), # 更合理的范围（留出标签空间） # 逻辑值，是否在图上显示log-rank检验的p值(默认显示在右上角) pval = TRUE, # 逻辑值，是否显示p值的方法标签(如"Log-rank test") pval.method = TRUE, # 设置p值标签的位置 pval.method.coord = c(1, 1.0), # 方法标签放在 (x=1, y=1.0) pval.coord = c(2, 1.0), # 将 P 值放在 (x=2, y=1.0) # 是否显示生存曲线的置信区间带 conf.int = FALSE, # 设置置信区间带的透明度（0-1，越小越透明） # conf.int.alpha = 0.2, # 20%透明度 # 逻辑值，是否在图形下方添加风险表(显示各时间点的风险人数) risk.table = TRUE, # 设置风险表高度（占整个图形高度的比例） risk.table.height = 0.25, # 占25%的高度 # 自定义图例标签： # 使用paste()动态创建分组标签，基于IL-5的中位数分组 # 第一组标签："Low IL-5 (≤中位数值)" # 第二组标签："High IL-5 (>中位数值)" # round(median_il5, 2)将中位数保留两位小数 legend.labs = c(paste("Low IL-5 (≤", round(median_il5, 2)), paste("High IL-5 (>", round(median_il5, 2))), # 设置图例的标题为"IL-5 Group" legend.title = "IL-5 Group", # 设置x轴标签为"Time (Months)"，表示时间以月为单位 xlab = "Time (Months)", # 设置y轴标签为"Survival Probability"，表示生存概率 ylab = "Survival Probability", # 设置图形的主标题 title = "Kaplan-Meier Survival Curve by IL-5 Level", # 设置两条生存曲线的颜色： # 第一组颜色为十六进制码#E7B800(红色) # 第二组颜色为十六进制码#2E9FDF(蓝色) palette = c("#FF6A6A", "#2E9FDF"), # 设置图形主题为ggplot2的简约主题(去除多余背景元素) ggtheme = theme_minimal() ) ```  [RGB颜色对照表](https://tool.cccyun.cc/rgb_color) 如何保存绘制出来的曲线，请看补充部分：**保存绘制的生存曲线（如图片或PDF）** ## 补充 ### data$new_column 创建新列/修改现有列 一、列操作 (使用$和\[ \]) 1. 单列操作 ```r # 使用$选择单列（返回向量） data$column_name # 使用[ ]选择单列（返回数据框） data["column_name"] data[, "column_name"] # 逗号在前表示选择所有行 ``` 2. 多列操作 ```r # 选择多列（返回数据框） data[c("col1", "col2", "col3")] data[, c("col1", "col2")] # 使用列索引 data[, 1:3] # 选择前3列 ``` 3. 整列操作 ```r # 创建/替换整列 data$new_column <- values_vector # 长度需匹配行数 # 删除列 data$column_name <- NULL data[, "column_name"] <- NULL data <- subset(data, select = -column_name) ``` 二、行操作 (使用\[ , \]) 1. 单行操作 ```r # 选择单行（返回数据框） data[1, ] # 第一行 data["row_name", ] # 如果有行名 # 修改单行 data[1, ] <- c(value1, value2, ...) ``` 2. 多行操作 ```r # 选择多行 data[1:5, ] # 1-5行 data[c(1,3,5), ] # 第1,3,5行 # 条件选择 data[data$age > 30, ] # age大于30的行 subset(data, age > 30) # 等效方法 ``` 3. 整行操作 ```r # 添加新行 data <- rbind(data, new_row) # 删除行 data <- data[-c(1,3), ] # 删除第1和3行 data <- data[data$age >= 18, ] # 删除age<18的行 ``` 三、混合操作 1. 选择特定行列 ```r # 选择第1-3行，第2-4列 data[1:3, 2:4] # 条件选择特定列 data[data$age > 30, c("name", "age")] ``` 2. 修改特定区域 ```r # 修改第2-3行的"score"列 data[2:3, "score"] <- c(90, 85) # 使用逻辑条件修改 data[data$gender == "M", "salary"] <- data[data$gender == "M", "salary"] * 1.1 ``` ### 更健壮的数据清理方法 ```r data$IL5_clean <- sapply(data$IL5, function(x) { if (is.na(x) || x == "") { return(NA) # 如果是NA或空字符串，返回NA } else if (grepl("<", x)) { # 提取数值并除以2 num <- as.numeric(gsub("[^0-9.]", "", x)) if (is.na(num)) { return(NA) # 如果提取失败，返回NA } else { return(num / 2) } } else { # 尝试直接转换为数值 num <- as.numeric(x) return(ifelse(is.na(num), NA, num)) } }) ``` 额外建议 在转换前先检查数据的唯一值： ```r unique(data$IL5) ``` （1）如果数据中有很多不规则的值，可以考虑手动处理特殊情况 （2）对于无法自动转换的值，可以单独处理或考虑是否应该排除这些观测 （3）这样修改后，应该能更稳健地处理数据转换问题，并清楚地知道哪些值无法被转换。 处理完后检查结果： ```r # 检查转换后的结果 sum(is.na(data$IL5_clean)) # 查看有多少NA值 which(is.na(data$IL5_clean)) # 查看哪些行有NA值 data[is.na(data$IL5_clean), ] # 查看这些行的原始数据 ``` ### 类型转换（转换为数值型） ```r > surv_obj <- Surv(time = data_clean$OS_months, event = data_clean$Status) 错误于Surv(time = data_clean$OS_months, event = data_clean$Status): Time variable is not numeric ``` data_clean$OS_months 不是数值型（numeric）变量，而 Surv() 函数要求时间变量必须是数值型。我们需要先检查并转换这个变量的类型。 转换方法： 1. 检查变量类型 ```r # 查看变量类型 str(data_clean$OS_months) class(data_clean$OS_months) ``` 2. 转换变量类型 如果 OS_months 是字符型（character）或因子型（factor），需要转换为数值型： ```r # 转换为数值型 data_clean$OS_months <- as.numeric(as.character(data_clean$OS_months)) # 再次检查转换结果 sum(is.na(data_clean$OS_months)) # 查看是否有转换失败的NA值 which(is.na(data_clean$OS_months)) # 查看哪些行转换失败 ``` 3. 处理转换失败 如果转换产生了 NA 值，可能是因为原始数据中有非数字字符（如"／"或其他符号）： ```r # 查看原始数据中的特殊值 unique(data$OS_months)[!is.na(unique(data$OS_months)) & is.na(as.numeric(as.character(unique(data$OS_months))))] # 清理特殊字符（例如将"／"替换为NA） data_clean$OS_months <- ifelse(data_clean$OS_months %in% c("／", "/", " "), NA, data_clean$OS_months) data_clean$OS_months <- as.numeric(as.character(data_clean$OS_months)) # 移除NA值 data_clean <- data_clean[!is.na(data_clean$OS_months), ] ``` 然后重新转换 ```r # 确保Status是数值型（0/1） data_clean$Status <- as.numeric(as.character(data_clean$Status)) # 再次检查转换结果 sum(is.na(data_clean$OS_months)) which(is.na(data_clean$OS_months)) ``` 完成后，查看的结果如下，可以看到已经是我们需要的整数类型  ### 类型转换（转换为数值型0/1） ```r > surv_obj <- Surv(time = data_clean$OS_months, event = data_clean$Status) 错误于Surv(time = data_clean$OS_months, event = data_clean$Status): Invalid status value, must be logical or numeric > ``` 解决方法： 1. 检查 Status 的当前值和类型 ```r # 查看 Status 列的唯一值和类型 unique(data_clean$Status) class(data_clean$Status) ```  2. 转换 Status 为合法的 0/1 格式 (1) 如果 Status 是字符型（如 "0", "1"） ```r data_clean$Status <- as.numeric(as.character(data_clean$Status)) ``` (2) 如果 Status 是字符串（如 "生存", "死亡"） ```r data_clean$Status <- ifelse(data_clean$Status == "死亡", 1, 0) ``` (3) 如果 Status 包含其他值（如 2, NA） ```r # 只保留 0 和 1，其余设为 NA 并移除 data_clean$Status <- ifelse(data_clean$Status %in% c(0, 1), data_clean$Status, NA) data_clean <- data_clean[!is.na(data_clean$Status), ] ``` 3. 重新查看 ```r # 查看 Status 列的唯一值和类型 unique(data_clean$Status) class(data_clean$Status) ```  ### 保存 / 加载 拟合后的生存曲线对象 1. 说明： 通过survfit()拟合的生存曲线对象，包含以下关键信息： 生存概率：每个时间点的生存率（surv）。 时间点：事件发生的具体时间（time）。 风险集：每个时间点处于风险中的患者数（n.risk）。 事件数：每个时间点发生事件的数量（n.event）。 分组信息（如果存在，如本例中的IL5_group）。 **在R中，保存拟合的生存曲线对象（如fit）后，可以随时重新加载并使用它进行绘图或分析** 1. 保存生存曲线对象 使用save()或saveRDS()函数将对象保存到本地文件： 方法1：使用 save()（保存为RData格式） ```r # 保存单个对象 save(fit, file = "survival_fit.RData") # 保存多个对象（如同时保存surv_obj和fit） save(surv_obj, fit, file = "survival_objects.RData") ``` *优点：可保存多个对象到一个文件。 文件格式：二进制（.RData或.rda）。* 方法2：使用 saveRDS()（保存为单个对象） ```r saveRDS(fit, file = "survival_fit.rds") ``` *优点：更灵活，加载时需指定新变量名（见下文）。 文件格式：二进制（.rds）* 2. 加载保存的对象 根据保存方式选择对应的加载函数： 加载 save() 保存的文件 ```r load("survival_fit.RData") # 直接恢复原对象名（如fit） ``` *加载后，对象会以原名（如fit）自动出现在环境中。* 加载 saveRDS() 保存的文件 ```r fit_loaded <- readRDS("survival_fit.rds") # 需赋值给新变量名 ``` *可自由命名加载后的对象（如fit_loaded）。* 3. 使用加载的对象绘制生存曲线 加载后的对象和原始对象完全一致，可直接用于绘图： 使用 survminer 包绘图 ```r library(survminer) ggsurvplot(fit_loaded, # 加载后的对象 data = data_clean, # 需确保数据存在 pval = TRUE, risk.table = TRUE, conf.int = TRUE, palette = "jco") # 自定义颜色 ``` 使用基础R绘图 ```r plot(fit_loaded, col = c("red", "blue"), xlab = "Time (months)", ylab = "Survival Probability") legend("topright", legend = levels(data_clean$IL5_group), col = c("red", "blue"), lty = 1) ``` 4. 注意事项 **数据一致性：** 加载fit后，确保原始数据（data_clean）仍存在于环境中（绘图时需要分组变量IL5_group）。 如果数据可能变动，建议将数据一并保存： `save(fit, data_clean, file = "survival_analysis_objects.RData")` **跨平台兼容性：** .RData和.rds文件是跨平台的，可在Windows/macOS/Linux间共享。 **版本兼容性：** 如果R版本差异较大，加载时可能出现警告，建议在相同版本环境中使用。 ### 保存绘制的生存曲线（如图片或PDF） 1. 使用 survminer (ggplot2-based) 保存图片 如果你用ggsurvplot()绘制生存曲线（基于ggplot2），可以用ggsave()或print()保存为图片或PDF。 方法1：直接保存为图片/PDF ```r library(survminer) library(ggplot2) # 绘制生存曲线 p <- ggsurvplot(fit, data = data_clean, pval = TRUE, risk.table = TRUE, palette = "jco") # 保存为PNG（高分辨率，600 dpi） ggsave("survival_curve.png", plot = p$plot, width = 8, height = 6, dpi = 600) # 保存为PDF（矢量图，适合论文） ggsave("survival_curve.pdf", plot = p$plot, width = 8, height = 6) ``` 补充：保存PDF时不支持中文解决方法： ```r install.packages("showtext") library(showtext) font_add("SimSun", "simsun.ttc") # Windows 系统自带宋体 showtext_auto() # 自动启用 showtext ggsave("survival_curve.pdf", plot = surv_plot$plot, width = 8, height = 6, device = cairo_pdf) ``` 方法2：保存带风险表的完整图形 ggsurvplot()返回的p是一个列表，包含生存曲线（p p l o t ）和风险表（ p plot）和风险表（p plot）和风险表（ptable）。若需保存两者组合： ```r # 将图形和风险表组合 combined_plot <- arrange_ggsurvplots(list(p), print = FALSE) # 保存组合图 ggsave("survival_with_risk_table.png", combined_plot, width = 10, height = 8, dpi = 300) ``` 2. 使用基础R图形保存 如果使用基础R的plot()函数，可以用以下方式保存： 保存为PNG/PDF ```r # 打开图形设备（PNG） png("survival_curve_baseR.png", width = 800, height = 600, res = 150) plot(fit, col = c("red", "blue"), xlab = "Time (months)", ylab = "Survival Probability") legend("topright", legend = levels(data_clean$IL5_group), col = c("red", "blue"), lty = 1) dev.off() # 关闭设备并保存 # 保存为PDF（矢量图） pdf("survival_curve_baseR.pdf", width = 8, height = 6) plot(fit, col = c("red", "blue"), xlab = "Time (months)", ylab = "Survival Probability") legend("topright", legend = levels(data_clean$IL5_group), col = c("red", "blue"), lty = 1) dev.off() ``` 3. 保存为可编辑的矢量图（如EPS/SVG） 适合进一步在Illustrator或Inkscape中编辑： 通过ggsave保存为SVG ```r library(svglite) ggsave("survival_curve.svg", plot = p$plot, device = svglite, width = 8, height = 6) ``` 通过基础R保存为EPS ```r setEPS() postscript("survival_curve.eps", width = 8, height = 6) plot(fit, col = c("red", "blue"), xlab = "Time (months)", ylab = "Survival Probability") legend("topright", legend = levels(data_clean$IL5_group), col = c("red", "blue"), lty = 1) dev.off() ``` 4. 注意事项 文件路径： 如果不指定路径，文件会保存在当前工作目录（通过getwd()查看）。 自定义路径示例： `ggsave("C:/Users/Name/Desktop/survival_curve.png", plot = p$plot)` 图形分辨率： 调整dpi（每英寸点数）和width/height控制清晰度，尤其是PNG格式。 多图形保存： 如果需要保存多个分面图形（如不同亚组），用循环或lapply： plots_list \<- lapply(subgroups, function(group) { ggsurvplot(subset_fit, data = subset_data, ...) }) for (i in seq_along(plots_list)) { ggsave(paste0("survival_group_", i, ".png"), plot = plots_list\[\[i\]\])