Question

嗨伙计们，我只需要一个关于如何以适当的方式绘制一些数据的建议可能是不言自明的。我有一个计数矩阵，如下所示：

             Condition1       Condition2     Condition3    ...... 

Patient1        30                 4            23         ......
Patient2        22                 1            2          ......
Patient3        23                 56           13         ......
Patient4        4                  3            29         ......
Patient5        12                 6            1          ......
Patient6        98                 5            0          ......
........       ....               ...          ...         ......

这是一份患者在所列条件下患有不良事件的次数的表格。患者总数：50。总条件：8。我试图绘制热图，但我认为这不是绘制这种类型数据的正确方法，因为它们具有离散性。

你能帮帮我，请给我一些指示吗？

提前谢谢

Answer 1

虽然你说你不想要热图，但我这样做是因为我觉得它是一个很好的解决方案。

library(plotly)

df <- data.frame(
  PATIENT = c('Patient1', 'Patient2', 'Patient3', 'Patient4', 'Patient5', 'Patient6'),
  COND_1 = c(30, 22, 23, 4, 12, 98),
  COND_2 = c(4, 1, 56, 3, 6, 5),
  COND_3 = c(23, 2, 13, 29, 1, 0),
  stringsAsFactors = F
)

p <- plot_ly(
  x = colnames(df[,-1]),
  y = df$PATIENT[nrow(df):1],    # reversing the order of the rows
  z = as.matrix(df[nrow(df):1,-1]),
  type = "heatmap"
) %>%
  layout(
    xaxis = list(side = "top")
  )
p

有许多选项可以在plotly（颜色，轴，左边距）中自定义此选项。如果您需要任何帮助，可以问一下。

Answer 2

除了热图之外，你也许可以用这种方式显示数据 -

library(ggplot2)
df_long = df %>% gather()

ggplot() +
  geom_segment(aes(x = df_long$key[df_long$key != "Condition8"],
                   y = df_long$value[df_long$key != "Condition8"],
                   xend = df_long$key[df_long$key != "Condition1"],
                   yend = df_long$value[df_long$key != "Condition1"]), 
               lwd = 1) +
  geom_vline(aes(xintercept = 1:8), alpha = 0.5, lwd = 2)

其中每一行代表患者/行。但不确定如何找到50名患者

Answer 3

可以完成许多不同的事情 - 取决于你想要展示的内容。此page列出了几个示例以及代码。以下是我尝试过的一些有趣的内容：

热图是个不错的选择（我个人更喜欢使用ggplot::geom_tile()并将scale_fill_gradient()设置为高对比度颜色）。示例here。
Lineplot（由@erocoar建议）适用于小数据样本，对于50名患者来说，它非常麻烦。
你可以证明在另一种情况发生时另外一种情况影响患者的可能性（例如，条件2导致条件3,4和5的可能性等）
您可以为每位患者绘制实例并为每种情况使用facet（使用facet_grid()） - 优先于在同一绘图中显示多行。示例here。
累积的hisogram
边缘直方图（显示侧面连通状态的分布？） - 如果在不同条件下探索关系，则非常有用。
动画气泡图 - 为每位患者绘制实例并循环播放动画中的条件（使用gganimate）
重叠密度图（将透明度alpha设置为合理的值以查看所有不同的条件）。虽然除非你能够/想要以某种方式对它们进行分组，否则对于8种情况可能会有点困难。
分面热图（类似于日历热图，但不是周/月，而是您的patiend Id）。第一个链接有一个很好的例子。
绘制不同条件的实例（更多用于探索关于条件是否/如何链接的不同假设）

我还建议对每位患者的值进行标准化，以确保您的情节不会超出规模。

我还没有包含任何简洁的代码，因为第一个链接几乎涵盖了所有这些示例。我通常更喜欢使用ggplot，但如果您愿意，可以使用plotly使您的情节互动。

最后，如果您正在尝试探索您的数据（或提供某些工具来探索您的数据），编写不同的图表等可能会很麻烦，重复这样做时，您可能需要查看创建{{1 app。

绘制离散数据

3 个答案: