点击关注，桓峰基因
目前整理出来的教程目录如下：
FigDraw 1. SCI 文章的灵魂 之 简约优雅的图表配色
FigDraw 2. SCI 文章绘图必备 R 语言基础
FigDraw 3. SCI 文章绘图必备 R 数据转换
FigDraw 4. SCI 文章绘图之散点图 （Scatter）
FigDraw 5. SCI 文章绘图之柱状图 (Barplot)
FigDraw 6. SCI 文章绘图之箱线图 (Boxplot)
FigDraw 7. SCI 文章绘图之折线图 (Lineplot)
折线图同样是应用非常广泛的统计图之一，通过折线图可以反映某种现象的趋势。通常折线图的横坐标是为时间变量，纵坐标则是一般性的数值型变量，当然，折线图也允许横坐标为离散型数值和数值型数值。下面来解释一下关于折线图的绘制。
geom_line()绘制折线图，参数不是很多，基本上就是五个用于调整线粗细，颜色，分组，线条样式，以及分组等。每个参数详细的说明如下：
下面我们就绘制有关时间序列的折线图。
该数据集来自上的美国经济时间序列数据。经济学是“宽”的形式，而economics_long是“长”的形式。一个包含574行和6个变量的数据框架:数据收集月份pce个人消费支出，以十亿美元计，https://fred.stlouisfed.org/series/PCE pop总人口，以千计，https://fred.stlouisfed.org/series/POP psaving个人储蓄率，https://fred.stlouisfed.org/series/PSAVERT/最高失业持续时间中位数，一个类tbl_df的对象(继承自tbl, data.frame)，有2870行和4列。
我们从绘制单条折线图到最后的堆积面积图组合等，由简入深地讲解每个参数的细节。
折线图中添加标记（点）
当数据点密度比较小或采集分布(间隔)不均匀时，为折线图做上标记将会产生非常好的效果。处理的方法非常简单，只需在折线图的基础上再加上geom_point()函数即可。从图中就可以非常明显的看出，刚开始采集的点分布非常散，而后面采集的点就比较密集，这也有助于对图的理解和应用。
上面绘制的都是单条这折线图，对于两个或两个以上的折线图该如何绘制呢？也很简单，只需将其他离散变量赋给诸如colour(线条颜色)和linetype(线条形状)的属性即可，具体参见下文例子。
不同的线条颜色color
不同的线条样式linetype
自定义颜色，线条，点的形状，点的填充色等，如下：
用色彩表现分组变量是最常用的形式，默认配色方案只需要调用就行。可以用于折线图的DIY配色函数为 scale_colour_manual()，参数包括：palette：调色板设计，里面包含很多颜色，供values = 调用。
values：色彩值，可以是cols <- c("a" = "red", "b" = "blue", "c" = "darkgreen")，此时分组变量和色彩映射一一对应也可以是cols <- c( "red", "blue", "darkgreen")，此时分组变量和色彩依靠顺序进行映射。
labels：分组标签，各个颜色代表的组别。
name：legend的名字。
breaks：设置组别，元素需要和labels一样多。
limits：影响的是图形上显示的元素，如果limits里面有4个元素，但实际只有2个分组变量，那么会出现两个NA值。
其中，colour设置面积图边框的颜色；size设置边框线的粗细；alpha设置面积图和边框线的透明度。
同样需要注意的是，在绘制多条折线图时，如果横坐标为因子，必须还得加上‘group=分组变量’的参数，否则报错或绘制出错误的图形。
以上绘制的折线图，均采用默认格式，不论是颜色、形状、大小还是透明度，均没有给出自定义的格式。其实ggplot2包也是允许用户根据自己的想法设置这些属性的。
自定义参数说明可以通过自定义的方式，想怎么改就可以怎么改。前提是aes()属性的内容与自定义的内容对应上。
绘制堆叠的面积图只需要geom_area()函数再加上一个离散变量映射到fill就可以轻松实现，先忙咱小试牛刀一下。
修改填充色fill和顶部加线color，如果需要为每一块面积图的顶部加上一条直线，可以通过如下两种方式：
其中，colour设置面积图边框的颜色；size设置边框线的粗细；alpha设置面积图和边框线的透明度。
添加堆积面积图顶部的线条
在面积图中，也可以方便快捷的绘制出百分比堆积面积图，具体操作如下：
添加百分比堆积面积图顶部的线条
我们将堆积面积图进行组合，如下：
我们在临床做回顾性研究分析中经常要面对数据缺失的问题，如果数据缺失量大就会对我们的研究结果产生影响，近年来，对数据进行多重插补广泛应用于SCI论文中。我们在之前的文章中已经演示了使用SPSS对数据进行多重插补并分析。今天，我们通过使用R语言的Mice包来演示多重插补并对数据进行分析。
我们使用R语言survival包自带的mgus数据集来进行演示
先把数据导入
library(survival)
library(rms)
data(package=“survival”)
data(“mgus”)
head(mgus)
bc<-mgus
