R语言在绘制图形上有很大的优势，其中ggplot2包更是绘图的佼佼者。今天来介绍一个资源网站，这个网站绘制和收集了大量的基础统计图形，并且这些图形多是基于ggplot2或者ggplot2的扩展包绘制的。网址：https://www.datanovia.com/en/下面来简单看下这个网站的内容。点开网址，这个是网站的官网界面。点击下面的Tutorials菜单，就可以进入网站的博客界面。如下图所示，就可以看到每一篇篇博客，都是一个个基础或者统计图形，并且绝大多数都是基于ggplot2包或者其扩展包绘制的。往下拉，可以看到这样的界面有十多个。我们可以点开图形进去看看里面的，比如，下面这篇，介绍了怎么在ggplot2分面图形上添加统计P值。绘图步骤很详细，代码也是可复制粘贴的。实现的效果如下图。其他的图形还有这样的图形还有很多，有兴趣的可以看看官方网站。关注下方公众号，分享更多更好玩的R语言知识。点个在看，SCI马上发表。

缺失数据在临床研究中比较常见，今天来学习几个探索缺失值数据的R包。第1个R包是dlookr包。dlookr包是一个数据探索R包，可以对整个数据集进行诊断，并且可以输出详细的诊断报告。缺失数据探索是dlookr包其中的一个功能。使用jobchange数据集进行演示。library(dlookr)diagnose(jobchange)如上所示，可以输出数据集中每个变量的缺失比例及计数。同样，可以使用ggplot2包进行缺失数据可视化。jobchange

加载R包加载需要用到的R包。library(performance)library(see)library(survival)library(tidyverse)2.

c(6,7,8))参考资料plot2函数扩展包帮助文档关注下方公众号，分享更多更好玩的R语言知识。觉得有帮助的请点赞、分享、在看走起！点个在看，SCI马上发表。

一个优秀的临床预测模型，不仅要有好的区分度(Discrimination)，同时还应有良好的校准度(Calibration)。区分度是模型拟合效果的指标，代表的是模型区分不同结局的能力，最常用的指标就是是ROC曲线的AUC和C-Statistic。校准度则是模型拟合优度的指标，衡量的是结局实际发生概率和模型预测概率之间的一致性，体现了模型对绝对风险预测的准确性，常用Hosmer-Lemeshow

今天来学习一个新R包——reportROC，这个R包可以一行代码输出ROC曲线的各项统计数值及ROC曲线，比如截断值、AUC及置信区间、灵敏度及置信区间、特异度及置信区间、阳性似然比、阴性似然比、阴性预测值等等。安装R包可以直接从CRAN上安装。install.packages("reportROC")library(reportROC)使用官方的示例进行演示。data(aSAH)#for

给ggplot2图形添加文本注解有时候是件很麻烦的事情，毕竟涉及到代码的修改。今天推荐一个ggplot2图形的功能扩展包——ggannotate包，这个包可以交互式的通过鼠标点点点来给图形添加注解，超级方便。下面来看一下。首先安装和加载R包。#

白话Change-in-estimate

，数据的缺失是由于非系统和可预测的方式造成的，这种情况下应尽可能记录缺失的原因，来推测可能存在的数据偏倚。❞加载R包install.packages("simputation",

绘制动态列线图常见的包有DynNom包，这个包用的很多，今天来学习另外一个绘制动态列线图的R包——shinyPredict包。上面这个图就是使用shinyPredict包绘制的动态列线图。就个人而言，我感觉这个包比DynNom包好用，功能也更强大一些，学习也不复杂。下面来学习下这个R包。1.

在前面的推文中，我们学习了corrplot包可视化相关性矩阵，今天来学习下ggcorrplot包是怎么可视化相关性矩阵的。与corrplot包相比，ggcorrplot包可视化相关性矩阵的参数差不多一样，但是绘制图形更加美观。1.

本文框架常用快捷键以下快捷键为平时小编用的比较多的，以前总是记不住这些枯燥的快捷键，只好找小本本记下，想用的时候翻翻本子，用着用着就印在脑子里了。现在整理起来写篇推送还是非常有意义的，这次配上小视频（gif），以便大家记忆。星数（⭐）表示常用指数，满星3颗，星越多越需要记下使用噢！显示所有快捷键

前段时间分享了一个网站。具体猛戳《超级超级赞的网站，包含数百种R图形，可免费复制绘图代码》https://www.r-graph-gallery.com/这个网站很棒，收集了很多R绘制的图形，包括ggplot2包，每个图形都有源代码。今天再分享一个网站。https://r-charts.com/同样是图形库，但是比起上一个网站，毫不逊色。下面简单介绍下这个网站。图形分类这个网站上收集的图形分为8大类。可以点击每一个类别查看更详细的情况，比如说Distribution。Distribution类别下主要包含了7种图形，比如说蜜蜂图、箱型图、密度图、点图、直方图、小提琴图等。每种图形又分为base

subgroupAnalysis函数及其绘图阳性P值第一式：亚组的结果和全组人群有时候不同，特别是在调整一些协变量后，因为交互作用等原因往往会出现P值有意义的情况。函数介绍函数#load

载入数据集dslearn=sampleData(56,outcome="survival")dstest=sampleData(100,outcome="survival")#

在临床文章中，我们通常会构建多个模型，并且比较不同模型的系数差异。今天来学习一个新的R包——ggstats包，包里有一个新的函数，可以使用这个函数来在一个图形上显示不同模型的系数差异。1.

Who-What-How，它能够帮助我们想清楚很多底层问题。Who：我服务的核心用户是谁？What：我能为他们提供什么独特的价值？How：这些价值通过什么方式实现，又如何获得价值回报？

生科云网址：https://www.bioincloud.techR语言是一门实用的、自由开放的计算机语言。强大的统计绘图能力，唯美的绘图效果使得R语言倍受科研工作者青睐，在生物、医学、生态、农牧、环境、食品等诸多科研领域有着广泛的应用。已有越来越多的科研工作者、数据分析人员使用R语言，分析、挖掘自己的实验大数据，绘制高质量图片，发表高水平文章。要分析（特别是个性化分析）自己的实验数据，需要具备一定的计算机基础，这给“零基础学员”们带了不小的挑战。

白话Change-in-estimate

1引言来自粉丝(弱小，可怜，又被嫌弃的路易李四)投稿,感谢粉丝分享。(如果你也想投稿分享知识,欢迎联系老俊俊!)2正文在两个月前，俊俊的

manipulationlibrary(lubridate)

｜为什么要学孟德尔随机化？医学科研内卷时代，如何破卷出圈？没有数据、没有实验、没有经费，还不再想发meta和生信，还能怎么发二区以上论文？着急毕业、晋级职称怎么快速在半年内发顶刊？这可能是2023年最珍贵的一次从零开始发二区以上文章的机会：孟德尔随机化研究，或者说高级孟德尔随化研究（多变量孟德尔、中介孟德尔和药物靶标孟德尔）！！！孟德尔随机化研究（Mendelian

今天来学习一个新的R包——ggstats包。这个R包是ggplot2的扩展包，使用这个R包可以快速回归模型的系数结果，也就是可以使用这个R包来绘制森林图。绘制森林图图形如下：下面来学习下这个R包。1.

今天推荐一个不错的绘制生存曲线的R包——ggsurvfit包，这个包最大的优点就是基于ggplot2语法来绘制生存曲线，相比survminer包的ggsurvplot()函数，ggsurvfit包的可定制化程度更高，而且绘制起来更加简单，强力推荐。特别是组合不同的生存曲线图形，极其方便。今天主要学习下这个图形，怎么在主图上面添加一个子图。下面来学习下。1.

语言手册"运营者。赵子茜，在读统计研究生，统计学习热衷者。新书首发福利公众号粉丝扫码，5折下单关注下方公众号，分享更多更好玩的R语言知识。欢迎分享、点赞、点在看，谢谢！

Markdown是一种格式化纯文本文件的一种轻量级语法，设计思想就是既书写方便，也易于阅读。RMarkdown是在R语言中使用Markdown语法，通过RMarkdown，可以很方便的集成代码、展示结果和输出形式的结果。前几天推荐了几本学习RMarkdown的书籍，今天来推荐一个超级好用的RMarkdown相关的R包——ymlthis，这个R包可以快速设置RMarkdown的YAML文件头。除了RMarkdown外，blogdown、bookdown和pkgdown也可以使用。YAML是Rmarkdown

查看数据集结构3.构建逻辑回归模型使用glm()函数构建逻辑回归模型，可以使用summary()函数输出模型的摘要信息。fit

优秀的R包看多了，是可以让人自闭的！！今天继续介绍一个超级不错的R包——ggThemeAssist包这个包可以做什么用了？看帮助文件，这个包可以自定义ggplot2图形主题。和别的主题包有所不同，这个包安装后会在RStudio上形成一个插件，运行该插件后可以生成一个交互式界面，然后使用鼠标点击就调整图形主题参数，并不需要一步步码代码来需改图形。下面来看看具体怎么操作？1.

关注下方公众号，分享更多更好玩的R语言知识。觉得有帮助的请点赞、分享、在看走起！点个在看，SCI马上发表。

简介函数简介个人体会1.可以计算任意时间点的生存率及其可信区间。2.可以计算任意生存概率的生存时间及其可信区间3.可以批量计算并返回表格。4.可以直接导出word表格用于发表。5.能够计算竞争风险模型的生存率数据代码分享library(gtsummary)library(gt)#

近期有一位小伙伴遇到了一个问题：如何在R中实现控制协变量的生存曲线可视化。如何在R中实现控制协变量的生存曲线可视化？?小伙伴我之前单考虑我分组因素做出来没意义，后来用SPSS纳入多个因素后结果还可以小编生存曲线的协变量校正应该是ggadjustedcurves这个函数，但是只能输出生存曲线，也没有P值。。在经过了一番折腾后，小编建议他在jamovi里面做协变量校正的生存曲线，尽管小编在平常的统计分析中很少用jamovi，但是清楚记得可以在它里面做协变量校正的生存曲线。临床数据统计|小看你了，jamovi！！！另外，凑巧下午看到了精鼎统计的一篇关于SPSS中如何实现协变量校正的生存曲线分析（SCI编辑让做控制协变量的生存曲线）。小编也想还是不要不了了之，把这个话题好好探讨一下。因此，在查阅了一些资料后，我对R中实现协变量校正的生存曲线分析将进行总结。首先，目前主要有两种方法实现R中协变量控制的生存曲线绘制，第一种是利用adjustedCurves包，而第二种则利用survminer包中的ggadjustedcurves函数。下面我们分别进行介绍。依赖包及数据加载library(survival)library(survminer)library(adjustedCurves)data(cancer,

单组设计的定量资料和单组设计的定性资料的应用范围类似，但样本估计的参数是均值或中位数，根据正态性检验的结果选择统计方法。符合正态分布时，采用单样本t检验，均值的可信区间基于正态分布

Rate）、精确率（Accuracy）、查准率（Precision）、查全率（Recall）、F1、ROC曲线、AUC曲线和R平方等。更详细的内容可见

backsolve试试使用自带数据lung数据集进行演示。大多数情况下都是使用1代表死亡，0代表删失，这个数据集用2代表死亡。但有的R包会报错，需要注意！rm(list

ggplot2绘图系统是目前主流绘图系统，有众多的配色R包支持，绘制出来的图形优雅漂亮，在前面我们也介绍过很多ggplot2图形的配色用法。我们今天就来总结下ggplot2图形系统的一些配色方法及调色R包。1.

！将内容全部学懂、学会、学透彻、学以致用，完成科研任务和高质量文章！背景由于学习平台文献、视频教程资料较少，技术不公开，对于有相应科研任务和发高质量文章的科研人员极度困扰，应而培训学习迫在眉睫，

绘制动态列线图常见的包有DynNom包，这个包用的很多，今天来学习另外一个绘制动态列线图的R包——shinyPredict包。上面这个图就是使用shinyPredict包绘制的动态列线图。就个人而言，我感觉这个包比DynNom包好用，功能也更强大一些，学习也不复杂。下面来学习下这个R包。1.

天下苦正则久矣，尤其当字符串中有自己想要的一段数据时候苦苦提取不出来的感觉真是难受，今天给大家介绍3个R包来解决这种正则带来烦恼的包，希望对大家能有所帮助。regexplainRegExplain是一个RStudio插件，用于正则表达式。以交互方式构建regexp、检查常用字符串匹配函数的输出、查阅交互式帮助页面或使用包含的资源学习正则表达式。github地址：https://github.com/gadenbuie/regexplain安装#

LetPub[2]、Pubumed等网站，或者Y叔公号里直接回复，而逛Github时候突然发现abbrevr[3]这小R包中可以很快批量实现这个需求，在此记录一下。List

推荐张敬信老师的R语言新书，2023年2月出版的《R语言编程：基于tidyverse》，学习最新的R语言技术与思想。具体书籍介绍可查看链接：都2023年了，你还不知道：R语言可以这样学？为R语言正名之书《R语言编程：基于tidyverse》正式上市！哪些人适合学习：▮0基础：没有

(backpropagation)在神经网络上执行梯度下降法的主要算法。该算法会先按前向传播方式计算（并缓存）每个节点的输出值，然后再按反向传播遍历图的方式计算损失函数值相对于每个参数的偏导数。基准

#install.packages("ISLR")library("ISLR")#install.packages("SmartEDA")library("SmartEDA")##

简介缺失值在数据中无处不在，需要在分析的初始阶段仔细探索和处理。在本次示例中，会详细介绍naniar包探索缺失值的方法和理念，它和ggplot2和tidy系列使用方法非常相似，上手并不困难。有时，解释缺失值出现的原因可能很简单，比如，可能是由于记录不全，各种意外等，但实现这一解释的过程可能并不简单，而且可能需要比开发探索性数据分析和模型所需的更多时间。本次学习主要探讨3个问题：开始探索缺失值探索缺失值的机制模型化缺失值如何开始探索缺失值当你面对新的数据时，可能首先会使用各种汇总函数查看数据的基本情况，比如：summary()str()skimr::skimdplyr::glimpse()...但是当数据有缺失值时，就会影响接下来的分析。所以首先还要查看数据的缺失情况。R包visdat可以展示缺失值数据，主要有2个函数：vis_dat()vis_miss()vis_dat()library(visdat)vis_dat(airquality)此函数可以可视化整体数据，还会给出数据类型等信息，当然也包括缺失值。vis_miss()vis_miss(airquality)vis_miss则主要专注于缺失值的可视化。探索缺失值的关系通过vis_miss可以知道哪些变量有缺失值，但是我们还想知道这些缺失值之间有什么关系，这时候就用到naniar包了。例如：#

前段时间分享了一个网站。具体猛戳《超级超级赞的网站，包含数百种R图形，可免费复制绘图代码》https://www.r-graph-gallery.com/这个网站很棒，收集了很多R绘制的图形，包括ggplot2包，每个图形都有源代码。今天再分享一个网站。https://r-charts.com/同样是图形库，但是比起上一个网站，毫不逊色。下面简单介绍下这个网站。图形分类这个网站上收集的图形分为8大类。可以点击每一个类别查看更详细的情况，比如说Distribution。Distribution类别下主要包含了7种图形，比如说蜜蜂图、箱型图、密度图、点图、直方图、小提琴图等。每种图形又分为base

ROC曲线是临床中常用的统计分析之一，R中可以绘制ROC曲线的包也有很多，pROC包就是其中的佼佼者。pROC包可以计算AUC和95%置信区间，可以可视化、平滑和比较ROC曲线。下面是pROC包中的常用缩写：缩写解释ROC曲线受试者操作特征曲线AUCROC曲线下面积pAUC部分ROC曲线下面积CI置信区间SP特异度specificitySE灵敏度sensitivity今天来学习下怎么使用pROC包来绘制多条ROC曲线。1.

今天来学习一个新R包——reportROC，这个R包可以一行代码输出ROC曲线的各项统计数值及ROC曲线，比如截断值、AUC及置信区间、灵敏度及置信区间、特异度及置信区间、阳性似然比、阴性似然比、阴性预测值等等。安装R包可以直接从CRAN上安装。install.packages("reportROC")library(reportROC)使用官方的示例进行演示。data(aSAH)#for

推荐一个网站，这个网站记录了所有R包的中文释义。链接：http://idata8.com/index2.html官方R包网站链接：https://cran.r-project.org/有兴趣可点击阅读原文直达，打开有点慢....关注下方公众号，分享更多更好玩的R语言知识。如果需要进群，请在菜单栏处添加作者微信，添加入群。觉得有帮助的请点赞、分享、在看走起！点个在看，SCI马上发表。

R语言绘制出来的图形极其美观，很多小伙伴都需要使用R来绘制图形，但是架不住R技术上有所欠缺，在一些图形细节上面调整不到位，常见的细节调整包括：图形组合、调整图形颜色、调整图形字体、调整文本注释等。上面的这些细节处理如果用R不会的话，可以使用其他软件来调整，比如Adobe

ggplot2绘图系统是目前主流绘图系统，有众多的配色R包支持，绘制出来的图形优雅漂亮，在前面我们也介绍过很多ggplot2图形的配色用法。最强配色R包，1个包，2100来个调色板！ggplot2图形配色包，提取知名科技公司的主题颜色ggsci-按照杂志要求进行文章图片配色ggplot2图形常见的几种配色方法我们今天来介绍下可以用于传统绘图系统的一些配色R包。1.