Cox比例风险模型中plot_covariate_groups无法处理分层特征问题

当你将Partner放入strata参数时，它被定义为分层变量，模型会为该变量的每个类别单独计算基线风险，不会将其作为协变量纳入模型的参数估计流程。而plot_covariate_groups()和plot_partial_effects_on_outcome()是针对模型中的协变量设计的，自然找不到这个已被归为分层的变量。

方法1：手动分组拟合并对比生存曲线 #

直接按Partner的取值拆分数据集，分别拟合模型后绘制生存曲线对比：

import matplotlib.pyplot as plt
from lifelines import CoxPHFitter

# 按Partner分组
group_no_partner = data_strata[data_strata['Partner'] == 0]
group_has_partner = data_strata[data_strata['Partner'] == 1]

# 分别拟合模型（保留其他分层变量，去掉strata里的Partner）
cph_no = CoxPHFitter()
cph_no.fit(group_no_partner, "tenure", event_col="Churn", strata=strata[1:])

cph_has = CoxPHFitter()
cph_has.fit(group_has_partner, "tenure", event_col="Churn", strata=strata[1:])

# 绘制对比曲线
ax = cph_no.plot_survival_function(label='无伴侣 (Partner=0)')
cph_has.plot_survival_function(label='有伴侣 (Partner=1)', ax=ax)
plt.legend()
plt.title('不同Partner分组的生存曲线对比')
plt.show()

方法2：复制变量，同时作为分层和协变量 #

如果需要同时保留分层逻辑并将Partner作为协变量可视化，可以创建变量副本：

# 复制Partner列作为协变量
data_strata['Partner_cov'] = data_strata['Partner']

# 原变量用于分层，副本作为协变量
cph.fit(data_strata, "tenure", event_col="Churn", strata=strata)
# 针对副本变量绘图
cph.plot_covariate_groups('Partner_cov', values=[0, 1])

方法3：直接提取分层基线风险绘图 #

分层模型的基线风险会包含各层信息，可直接提取Partner相关层的数据绘图：

import matplotlib.pyplot as plt

# 获取模型的基线风险数据，索引包含所有分层变量的组合
baseline_hazard = cph.baseline_hazard_

# 筛选出Partner为0和1的分层数据
partner_baseline = baseline_hazard[
    baseline_hazard.index.get_level_values('Partner').isin([0, 1])
]

# 绘制基线风险曲线
partner_baseline.plot(figsize=(10,6))
plt.title('不同Partner分组的基线风险曲线')
plt.ylabel('基线风险')
plt.xlabel('tenure')
plt.show()

内容的提问来源于stack exchange，提问作者stukituk