如何在R中使用长格式数据绘制Kaplan Meier生存曲线？

不需要将数据转为宽格式，但必须先对长格式数据做个体级聚合——保留每个观测单元（id）的最终生存状态记录，因为Kaplan-Meier模型要求每个输入行对应一个个体的完整生存信息（总生存时间+结局状态）。

问题根源 #

你直接用原始长格式数据建模时，每个id的每日记录都会被当作独立观测，相当于把同一个商品的每一天都视为新个体，完全违背了KM模型的假设，导致结果错误。

解决步骤 #

1. 处理长格式数据，提取个体最终记录 #

用dplyr筛选每个id的最后一行（或聚合得到总上市时长与最终售出状态）：

pacman::p_load(survival, ggsurvfit, dplyr)

# 方法1：直接取每个id的最后一行（推荐，因为最后一行就是最终状态）
sales_processed <- sales %>%
  group_by(id) %>%
  slice(n()) %>%
  ungroup()

# 方法2：聚合计算总上市时长和最终售出状态（结果一致）
sales_processed <- sales %>%
  group_by(id) %>%
  summarise(
    time_on_market = max(time_on_market),
    sold = max(sold), # 售出状态取最大值：1代表已售出，0代表未售出（删失）
    date = last(date) # 可选，保留最后记录的日期
  ) %>%
  ungroup()

2. 构建KM模型并绘图 #

处理后的数据结构和你之前的宽格式数据一致，直接用你原来的代码即可得到正确结果：

survfit2(Surv(time_on_market, sold) ~ 1, data = sales_processed) %>% 
  ggsurvfit() +
  labs(title = "商品上市未售出概率KM曲线",
       x = "上市天数",
       y = "未售出概率")

说明 #

• 如果存在删失数据（比如某个商品最终未售出，sold始终为0），上述处理会自动保留其总上市时长作为删失时间，sold=0作为删失标记，完全符合KM模型的要求。
• 处理后的数据和你提供的宽格式示例结构完全匹配，建模结果会和宽格式运行的结果一致。

内容的提问来源于stack exchange，提问作者nooshrpak