小编Ada*_*son的帖子

我在Stack Overflow上看过类似的问题,但几乎没有确凿的答案,当然也没有对我有用的答案.

在Markdown(Rstudio)脚本中访问和使用位于全局R环境中的对象(回归拟合,数据框架,其他对象)的最简单方法是什么.

鉴于RStudio团队倾向于让事情变得舒适和有效,我觉得令人惊讶的是,没有简单的解决方案.

提前致谢.

我每天进行回归分析.在我的情况下,这通常意味着估计连续和分类预测因子对各种结果的影响.生存分析可能是我执行的最常见的分析.这种分析通常在期刊中以非常方便的方式呈现.这是一个例子:

我想知道是否有人遇到过任何可以公开使用的功能或包:

• 直接使用回归对象(coxph,lm,lmer,glm或你拥有的任何对象)

• 绘制每个预测变量对森林图的影响,或者甚至允许绘制预测变量的选择.

• 对于分类预测变量,还会显示参考类别

• 显示因子变量的每个类别中的事件数(参见上图).显示p值.

• 最好使用ggplot

• 提供某种定制

我知道sjPlot包允许绘制lme4,glm和lm结果.但是没有包允许上面提到的coxph结果和coxph是最常用的回归方法之一.我试图自己创建这样的功能,但没有任何成功.我已经读过这篇伟大的帖子:从日记中重现表和情节,但无法弄清楚如何"概括"代码.

任何建议都非常受欢迎.

我有血压记录的纵向随访.

某个点的值比移动平均值(滚动平均值)更不具有预测性,这就是我想计算它的原因.数据看起来像

test <- read.table(header=TRUE, text = "
  ID  AGE   YEAR_VISIT  BLOOD_PRESSURE  TREATMENT
  1 20  2000    NA 3
  1 21  2001    129 2
  1 22  2002    145 3
  1 22  2002    130 2
  2 23  2003    NA  NA
  2 30  2010    150 2
  2 31  2011    110 3
  4 50  2005    140 3
  4 50  2005    130 3
  4 50  2005    NA  3
  4 51  2006    312 2
  5 27  2010    140 4
  5 28  2011    170 4
  5 29 …

我有一个数据集,每个人有2个观察结果.数据集中有100多个变量.我想用同一变量的可用数据填写每个人的缺失数据.我可以使用dplyr mutate函数手动执行此操作,但对于需要填充的所有变量执行此操作将非常麻烦.

这是我尝试过的,但失败了:

> # Here's data example
> # https://www.dropbox.com/s/a0bc69xgxhaeguc/data_xlsc.xlsx?dl=0
> # I have already attached it to my working space
> 
> names(data)
 [1] "ID"   "Age"  "var1" "var2" "var3" "var4" "var5" "var6" "var7" "var8" "var9"
> head(data)
Source: local data frame [6 x 11]

  ID Age var1 var2  var3 var4 var5 var6  var7 var8 var9
1  1  50 27.5 1.83  92.0   NA   NA   NA    NA   NA  5.1
2  1  NA   NA   NA    NA 3.54 30.2 27.9 64.34 60.8 …

在实验中,在几个时间点测量血压.实验期间血压上升和下降.我需要绘制血压反应(简单部分)并找出血压加倍的时间点(x值)(棘手的部分).我想知道是否可以在ggplot中检索这些信息？

这是一个例子:

# Generate data
time <- c(10, 60, 90, 200, 260, 300, 700)
value <- c(1, 6, 8, 40, 50, 60, 70)
df <- data.frame(time, value)

# The first value of "value" is the first observation.
# When the first "value" increased ten times, it is equal to 10
# Question is at what time point did the value increase ten times according to the graph?

ggplot(data=c, aes(x=time, y=value,)) + 
     geom_line() +
     geom_hline(y=10, colour="red") +
     annotate("text", hjust=0, x=170, y=15, …