基于gganimate制作反向随随访时间递减的动态条形图

你的核心需求是仅让死亡人群的计数随反向随访时间递减，存活人群计数保持不变，原代码用transition_reveal()的问题在于没有区分两类人群的逻辑，且直接对原始计数做过渡，无法实现针对性的递减效果。以下是修正后的实现方案：

步骤1：数据预处理 #

首先需要拆分存活/死亡人群，分别处理计数逻辑：

• 存活人群：每个治疗组的存活数是固定值，无需随随访时间变化
• 死亡人群：按随访时间升序排序后，计算每个时间点及之后的累积死亡数（反向播放时，相当于从最长随访时间到最短，死亡数逐渐减少，模拟"去掉早死亡案例"的效果）

library(tidyverse)
library(pubh)
library(gganimate)

# 预处理数据
processed_data <- Bernard %>%
  select(fate, treat, followup) %>%
  # 处理死亡组：计算每个时间点的累积死亡数（从当前时间到最大时间的死亡数）
  group_by(treat, fate) %>%
  mutate(
    # 仅对死亡组计算累积计数
    count = if_else(fate == "Dead", 
                    rev(cumsum(rev(fate == "Dead"))), 
                    NA_real_)
  ) %>%
  ungroup() %>%
  # 处理存活组：每个治疗组的存活数固定
  group_by(treat) %>%
  mutate(
    count = if_else(fate == "Alive", 
                    sum(fate == "Alive"), 
                    count)
  ) %>%
  ungroup() %>%
  # 去重并整理结构，确保每个时间点都有存活/死亡的计数
  distinct(treat, fate, followup, count) %>%
  arrange(treat, fate, followup)

步骤2：绘制动态条形图 #

使用transition_time()配合reverse=TRUE实现反向播放，用geom_col()基于预处理后的计数绘图，确保存活组高度不变，死亡组随时间递减：

ggplot(processed_data, aes(x = treat, y = count, fill = fate)) +
  geom_col(position = "stack") +
  # 反向播放随访时间，从720小时到1小时
  transition_time(followup) +
  ease_aes("linear") + # 平滑过渡效果
  labs(
    title = "随访时间: {round(frame_time, 0)} 小时",
    x = "治疗方案",
    y = "人数",
    fill = "结局"
  ) +
  theme_minimal()

逻辑说明 #

1. 死亡组的累积计数：通过rev(cumsum(rev(fate == "Dead")))实现，把每个时间点之后的死亡数累加，这样当随访时间从720反向到1时，死亡数会从总死亡数逐渐减少到对应时间点的剩余死亡数
2. 存活组固定计数：直接统计每个治疗组的存活总数，复制到所有随访时间点，保证动态过程中存活条形高度不变
3. transition_time()比transition_reveal()更适合这种基于离散时间点的计数更新，配合reverse=TRUE完美实现反向播放需求

内容的提问来源于stack exchange，提问作者PTS390