如何将KaplanMeierFitter生成的生存曲线输出为JSON而非展示图表
KaplanMeierFitter 生存曲线结果导出为JSON的实现方法
KaplanMeierFitter完成fit拟合后,所有生存曲线的数值计算结果已经全部存储在对象属性中,plot方法仅负责将这些数值做可视化渲染。要输出JSON完全可以绕开绘图流程,直接提取内置的结果属性完成序列化,不会触发任何图表渲染行为。
操作步骤
- 保留原代码中
KaplanMeierFitter初始化、fit拟合的逻辑,删除kmf.plot(ci_show=False)这行绘图调用 - 提取拟合后的核心结果属性:
kmf.survival_function_:pandas DataFrame结构,索引为观测时间点,值为对应时间的生存概率,和你之前设置ci_show=False时展示的曲线数据完全一致- 可按需补充提取附加统计信息:中位生存时间、各时间点的事件数/删失数/风险人数统计表等
- 将提取的结果转换为可JSON序列化的结构,调用标准库完成序列化即可
可直接复用的代码示例
from lifelines import KaplanMeierFitter import json # 原有初始化与拟合逻辑完全保留 kmf = KaplanMeierFitter() kmf.fit(x, y, label='Kaplan Meier Estimate') # 直接提取曲线数据,无绘图流程触发 # 组装JSON就绪的数据结构 export_payload = { "curve_label": kmf._label, "curve_points": kmf.survival_function_.reset_index().to_dict(orient="records") } # 序列化为JSON字符串 result_json = json.dumps(export_payload, ensure_ascii=False) # 如需保存为本地JSON文件可直接调用 with open("kmf_survival_result.json", "w", encoding="utf-8") as f: f.write(result_json)
补充说明
- 整个流程不会初始化matplotlib后端、不会触发图表弹窗,无额外的绘图渲染开销
- 若后续需要将置信区间数据也加入JSON导出结果,只需补充提取
kmf.confidence_interval_的对应数据加入export_payload即可,不需要修改原有拟合逻辑
内容的提问来源于stack exchange,提问作者Karna
相关产品推荐
相关产品推荐

