首发： ggrcs包，一个用于绘制直方图+限制立方样条+双坐标轴图的R包

ggrcs包是我写的第一个R包，所有权和解释权归我本人。用于绘制直方图+限制立方样条+双坐标轴图的图形。

ggrcs包可以支持cox回归和logistic回归。为什么是叫ggrcs，因为依托了ggplot包绘图函数和需要RCS包支持，我增加了许多ggplot的接口，便于后期修改. 目前还有需要完善的地方，只是上传到了Github上，稳定后再上传CRAN，安装方法有很多种，我只介绍几种：

1. remotes包

install.packages("remotes")
library(remotes)
remotes::install_github("liuqiang070488/ggrcs")
1
2
3

2. devtools包

install.packages("devtools")
devtools::install_github("liuqiang070488/ggrcs ")
1
2

3.可以到我的github主页https://github.com/liuqiang070488/ggrcs
直接下载压缩文件


把压缩文件下载到本地后，ggrcs_0.1.0.tar这个压缩文件就是

用R来本地安装


4.公众号回复：ggrcs 安装方法同3一样。

成功安装后以后包就出现在包的列表

我们来看一下包的介绍

ggrcs(
  data,
  fit,
  x,
  histlimit = NULL,
  histbinwidth = NULL,
  histcol = NULL,
  linetype = NULL,
  linesize = NULL,
  ribalpha = NULL,
  ribcol = NULL,
  xlab = NULL,
  ylab = NULL,
  subtitle = NULL,
  caption = NULL,
  leftaxislimit = NULL,
  lift = TRUE,
  scale_y_continuous = NULL,
  title = NULL,
  ...
)
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21

包的变量比较多，但是你只要输入3个data, fit, x, data就是你的数据，只支持数据框格式，不是数据框就会报错，最好数据不要有太多缺失值。Fit就是你的模型，目前只支持cox回归和logistic回归，因为依托于RMS包的rcs函数支持，所以模型的格式是lrm和cph，等下我会演示怎么操作。X就是你想要观察的目标变量，必须是连续变量。其他变量也一一介绍一下，histlimit你的直方图映射范围，就是Y轴的范围，默认是预测值的可信区间的最小值和最大值。Histbinwidth直方图宽度，默认是0.8，histcol直方图颜色，默认是绿色，linetype：RCS的线型，linesize：RCS的线条大小，忘记加入调整线颜色的函数了，后期改进。Ribalpha:可信区间透明度，ribcol可信区间颜色，默认是红色，xlab，ylabX轴和Y轴的标签，title标题。
下面我们通过实例来演示一下，先演示cox回归
ggrcs包内置了既往我们文章中的吸烟数据3的数据，我就不解释数据内容了，需要的请到相关文章查找，先导入R包和数据

library(ggrcs)
library(rms)
library(ggplot2)
library(scales)
dt<-smoke
1
2
3
4
5

整理数据

dd<-datadist(dt)
options(datadist='dd')
1
2

拟合模型

fit <- cph(Surv(time,status==1) ~ rcs(age,4), x=TRUE, y=TRUE,data=dt)
1

绘图

ggrcs(data=dt,fit=fit,x="age")
1

还算方便把，前面都是绘制RCS的常规操作，绘图一行代码搞定，还可以进行细节修改。改变柱子颜色

ggrcs(data=dt,fit=fit,x="age",histcol="blue")
1

改变柱子宽度，默认是0.8

ggrcs(data=dt,fit=fit,x="age",histcol="blue",histbinwidth=1)
1

改变可信区间颜色

ggrcs(data=dt,fit=fit,x="age",histcol="blue",histbinwidth=1,ribcol="green")
1

改变可信区间透明度,默认0.3

ggrcs(data=dt,fit=fit,x="age",histcol="blue",histbinwidth=1,ribcol="green",ribalpha=0.5)
1

更改X轴和Y轴内容

ggrcs(data=dt,fit=fit,x="age",histcol="blue",
      histbinwidth=1,ribcol="green",ribalpha=0.5,xlab ="年龄",ylab="吸烟概率")
1
2

更改标题

ggrcs(data=dt,fit=fit,x="age",histcol="blue",
      histbinwidth=1,ribcol="green",ribalpha=0.5,xlab ="年龄",ylab="吸烟概率",title ="年龄和吸烟概率关系")
1
2

更改投射范围就是Y轴的范围，默认是预测值的可信区间的最小值和最大值

ggrcs(data=dt,fit=fit,x="age",histcol="blue",
      histbinwidth=1,ribcol="green",ribalpha=0.5,xlab ="年龄",ylab="吸烟概率",
      title ="年龄和吸烟概率关系",histlimit=c(0,10))
1
2
3

更改密度函数的投射范围，默认是取最大值和最小值

ggrcs(data=dt,fit=fit,x="age",histcol="blue",
      histbinwidth=1,ribcol="green",ribalpha=0.5,xlab ="年龄",
      ylab="吸烟概率",title ="年龄和吸烟概率关系",leftaxislimit=c(0,1))
1
2
3

假如不想要左轴，lift函数调整为F，默认是TRUE

ggrcs(data=dt,fit=fit,x="age",histcol="blue",
      histbinwidth=1,ribcol="green",ribalpha=0.5,xlab ="年龄",ylab="吸烟概率",
      title ="年龄和吸烟概率关系",lift=F)
1
2
3

下面介绍logistic回归模型的使用，使用既往文章《R语言绘制限制立方条图2（基于logistic回归和线性回归）》的例子，不要在意数据的内容，只是举个例子
导入数据

library(foreign)
be <- read.spss("E:/r/test/Breast cancer survival agec.sav",
                use.value.labels=F, to.data.frame=T)
be <- na.omit(be)
1
2
3
4

转分类变量为因子

be$ln_yesno<-as.factor(be$ln_yesno)
1

整理数据

dd <- datadist(be) #为后续程序设定数据环境
options(datadist='dd') #为后续程序设定数据环境
1
2

拟合模型

fit <-lrm(status ~ rcs(age, 4)+ln_yesno,data=be)
1

绘图，也是一行代码搞定

ggrcs(data=be,fit=fit,x="age")
1

柱子很稀疏，不够美观，增加柱子宽度

ggrcs(data=be,fit=fit,x="age",histbinwidth=1)
1

更改柱子颜色

ggrcs(data=be,fit=fit,x="age",histbinwidth=1,histcol="blue")
1

其他操作都和cox回归一样，我就不一一演示了。
本人第一次写R包，肯定存在一定不足，如果有什么bug或者还需要有什么值得改进的地方或者需要增加什么功能，欢迎你来告诉我。ggrcs包目前还不能做双变量的RCS图，数据正在进行调试中，后期版本会推出。还有一个事我想问问大家，副标题绘图的时候需要吗？如下

subtitle = NULL,caption = NULL,这两个变量是对接副标题的，如果不需要的话在后期版本我就取消掉了。