ggplot2实现带偏移连线的横向堆叠直方图求助

这类图表是卒中临床试验中展示预后（如mRS）分布差异的常用形式，核心是先定位每个mRS分段在堆叠图中的位置，再绘制跨组连线突出偏移。

核心思路 #

1. 先计算每个mRS分段在两组堆叠图中的起始、结束、中心位置（基于百分比的累积和）；
2. 分别绘制两组的横向堆叠直方图；
3. 针对每个mRS等级，连接两组对应分段的位置（中心/边缘均可）。

具体实现（Python + Matplotlib） #

1. 数据预处理 #

将百分比转为数值，并计算堆叠分段的位置参数：

import matplotlib.pyplot as plt
import pandas as pd

# 加载并清洗数据
data = pd.DataFrame({
    'mRS': [0, 1, 2, 3, 4, 5, 6],
    'Drug1': [0.10, 0.12, 0.22, 0.09, 0.15, 0.12, 0.20],  # 去掉%转成小数
    'Drug2': [0.08, 0.10, 0.18, 0.14, 0.16, 0.12, 0.22]
})

# 计算每个mRS分段的起始、结束、中心位置
data['Drug1_cum'] = data['Drug1'].cumsum()
data['Drug2_cum'] = data['Drug2'].cumsum()
data['Drug1_start'] = data['Drug1_cum'] - data['Drug1']
data['Drug2_start'] = data['Drug2_cum'] - data['Drug2']
data['Drug1_center'] = (data['Drug1_start'] + data['Drug1_cum']) / 2
data['Drug2_center'] = (data['Drug2_start'] + data['Drug2_cum']) / 2

2. 绘制堆叠图与跨组连线 #

fig, ax = plt.subplots(figsize=(10, 4))
colors = plt.cm.Set3(range(len(data)))  # 同一mRS用同色区分，便于对比

# 绘制Drug1的横向堆叠条形
for idx in range(len(data)):
    ax.barh(
        y=0,
        width=data['Drug1'][idx],
        left=data['Drug1_start'][idx],
        color=colors[idx],
        label=f'mRS={data["mRS"][idx]}'
    )

# 绘制Drug2的横向堆叠条形
for idx in range(len(data)):
    ax.barh(
        y=1,
        width=data['Drug2'][idx],
        left=data['Drug2_start'][idx],
        color=colors[idx]
    )

# 绘制跨组连线（连接对应mRS分段的中心）
for idx in range(len(data)):
    ax.plot(
        [data['Drug1_center'][idx], data['Drug2_center'][idx]],
        [0, 1],
        color='gray',
        linestyle='--',
        linewidth=1
    )

# 图表美化
ax.set_yticks([0, 1])
ax.set_yticklabels(['Drug1', 'Drug2'])
ax.set_xlabel('Percentage')
ax.set_xlim(0, 1)
ax.xaxis.set_major_formatter(plt.FuncFormatter(lambda x, _: f'{x*100:.0f}%'))
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')

plt.tight_layout()
plt.show()

3. 自定义调整 #

• 若想连接分段边缘而非中心，将plot的x值替换为Drug1_cum/Drug2_cum（结束边缘）或Drug1_start/Drug2_start（起始边缘）即可；
• 调整y轴位置（如把Drug2的y设为0.5）可缩小两组间距，让连线更紧凑；
• 更换配色方案（如临床常用的高对比度配色）可提升图表专业性。

内容的提问来源于stack exchange，提问作者user1139139