ggplot2的stat_ecdf如何处理右删失数据，使累积分布不趋近于1？

我用ggplot2的stat_ecdf绘制事件发生时间的累积分布，但部分事件存在右删失（尚未发生），希望累积分布曲线不趋近于1。根据官方文档，stat_ecdf的na.rm选项基本无效，请问必须自行编写ECDF函数吗？

最小可复现示例（MWE） #

问题在于stat_ecdf没有将NA视为删失数据的选项，无论是否调整x轴范围（这完全不合理），分布曲线始终会趋近于1。

library('ggplot2')
set.seed(0)
x = rbinom(8,20,.5) # 完整真实数据
# x[x>10] = NA # 将NA作为删失处理——问题依旧
g = ggplot(data.frame(x=x),aes(x=x)) +
  stat_ecdf(na.rm=TRUE) + # na.rm参数无效
  lims(x=c(0,10)) # 用xlim模拟删失——CDF被重新缩放至可见数据！？
  # lims(x=c(0,20)) # 无删失情况——结果正确
print(g)

不需要完全自行编写ECDF函数，stat_ecdf本身确实不支持处理删失数据，它默认计算的是完整样本的经验累积分布，必然会强制趋近于1。你可以借助生存分析工具来处理删失数据，再用ggplot绘图，具体步骤如下：

解决方案：用生存分析包处理删失数据 #

1. 给数据添加删失标记：用status字段区分事件发生（1）和右删失（0）的观测
2. 用survival包计算考虑删失的生存函数，再转换为累积分布（1 - 生存概率）
3. 用geom_step绘制累积分布曲线，曲线最终会停留在「已发生事件数/总样本数」的位置，不会趋近于1

修改后的代码示例：

library(ggplot2)
library(survival)

set.seed(0)
x <- rbinom(8, 20, .5)
# 构造带删失标记的数据：x>10的视为右删失
df <- data.frame(
  time = x,
  status = ifelse(x <= 10, 1, 0) # 1=事件发生，0=右删失
)

# 计算考虑删失的生存函数，转换为累积分布
surv_fit <- survfit(Surv(time, status) ~ 1, data = df)
ecdf_data <- data.frame(
  time = surv_fit$time,
  cum_prob = 1 - surv_fit$surv
)

# 绘制符合需求的累积分布曲线
ggplot(ecdf_data, aes(x = time, y = cum_prob)) +
  geom_step() +
  lims(x = c(0, 10), y = c(0, 1)) +
  labs(x = "事件发生时间", y = "累积分布概率")

手动计算带删失的ECDF（可选） #

如果不想依赖survival包，也可以手动计算：

• 将所有观测（含删失）按时间排序
• 遍历每个时间点，累计已发生的事件数，除以总样本数得到累积概率
• 删失观测仅参与排序，不增加事件计数

这种方法需要自己处理排序和计数逻辑，不如用专业包简洁可靠，但灵活性更高。

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