rm(list =ls())
setwd("C:\\Users\\17657\\Desktop\\ska3")
options(repos='http://cran.rstudio.com/')
library(xlsx)
baseline<- read.xlsx('临床信息.xlsx',sheetIndex = 1,header = T,encoding = 'UTF-8')
baseline<-baseline[1:1096,]
base<-subset(baseline,select = c(age,T,M,N,stage,ER,PR,HER2,subtype))
Freq<-lapply(base[,1:9],table)
prop<-lapply(Freq[1:9],prop.table)
prop
character<-c(names(Freq[1]),names(Freq[[1]]))
Noc<-c(NA,paste0(Freq[[1]],'(',prop[[1]],')'))
char<-NULL
characteristics<-data.frame('characteristics'=character,' number of class'=Noc)
for (i in 1:9) {character<-c(names(Freq[i]),names(Freq[[i]]))
Noc<-c(NA,paste0(Freq[[i]],'(',prop[[i]]*100,')'))
characteristics<-data.frame('characteristics'=character,' number of class(%)'=Noc)
char<-rbind(char,characteristics)
}
write.xlsx(char,'基线表.xlsx',col.names=T,row.names=F,showNA=F)
好啦可以啦~
r语言绘制带标准误的线性关系图1.打开文件,输入几组具有线性关系的数据。
2.用鼠标选中这些数据,点击菜单栏中的“插入”选项。
3.在插入菜单中,选择一种散点图。
4.右击图表中的散点,在其右键菜单中点击“添加趋势线”选项。
5.在出来的页面中,选择“线性”,勾选“显示公式”选项,关闭窗口。
6.完成以上设置后,即可用excel制作线性关系图图表。
转自医学方
2019-07-4 Alexander
流行病学或者医学论文中,对研究对象基本情况的描述通常以表格的形式进行,并且放在结果部分的开头,即Table 1,主要内容是研究对象一般情况和研究变量或协变量的分组展示。
前几天文章修回过程中,花了两天时间分析数据,修改文章,其中有近1天的时间都在手动录入数据(从R studio里把分析结果整理到Excel或者word),这样除了花费时间外,还非常容易出错。之前一直想找时间通过R markdown把制作表格的过程程序化,可是效果并不理想。
这次痛定思痛,先从table 1开始,发现了几个不错的方法。其中一种个人觉得可读性和可编辑性都比较强,于是学习了一下,作为一个非常实用的工具分享给大家。
这里主要参考一篇博客Fast-track publishing using knitr: table mania,对细节进行了加工和注释。
1 数据的准备
数据主要来自于boot包的melanoma。加载后,看下数据的基本结构。
接下来对数据进行简单的整理,为后续分析做准备;
将分类变量定义为因子型并设置标签(这里建议设置一个新的变量,仅用于table 1的制作,不影响后续的分析);
2 安装和加载R包 Gmisc
后面两个包是加载“Gmisc”时要求加载的。
3 自定义函数、制作表格
根据已有函数自定义函数,并制作表格。定义一个函数,输入数据集的变量并得到该变量的统计结果:
函数定义完成后,建立一个空的列表,以储存每个变量的分析结果,并进行分析,将结果储存在列表中:
将所有结果merge到一个矩阵中,并建立rgroup(table1第一列的变量名) 和 n.rgroup(table 1第一列每个变量的行数):
结果如下:
当然,有些情况下,需要多加一个分组标题栏(column spanner),该怎么加呢?
如下:
结果如下:
4 导出结果
在R studio viewer窗口点击白色按钮,即可在浏览器中打开,然后复制粘贴到word可以进一步加工修饰。
是不是很刺激呢。
应该还有其他的导出方法,不过这个已经很方便了。
拓展功能选
⒈ 二分类变量只显示一个(比如男性和女性)。只要在getDescriptionStatsBy的"show_all_values"参数设置为FALSE即可;
⒉ 显示缺失值。getDescriptionStatsBy的"useNA"参数设置为"ifany",表示如果有缺失值就显示缺失值情况;如设置为“no”,表示始终不显示缺失值情况;“always”则表示无论是否有缺失值都显示缺失值情况;
⒊ Total一列是可以去掉的,getDescriptionStatsBy的"add_total_col"参数设置为FALSE即可。
不足之处
⒈ 差异性检验是采用非参的方法,虽然没有错,但是一般符合参数检验条件的数据还是要使用参数检验的方法,这里可以自行检验后再修改P-value;
⒉ Mean (SD)的展示形式有个括号感觉有点别扭,还不知道怎么去掉,有方法的小伙伴欢迎分享交流。
另外有一些其他的制作table 1的R包,比如table 1(R包的名字)包,tableone包,还有其他生成表格的R包(plyr等),个人浏览下来感觉这个最容易理解和掌握,其他包的功能有兴趣的可以再自行挖掘对比。
原文链接: https://mp.weixin.qq.com/s?src=11&timestamp=1562230826&ver=1707&signature=Og8lYPNfFi99QvnQb8OAtkTIo75N9G0JHqvpXxLS5aRpqRcnlgtxXJAMtfgxB8kAK8vinKSxdO6A1qxNy-4k8AyE9wUMYKSarBLDydWO-vazmCNPJIAa5GfaBiFIghaO&new=1