如何基于survfit对象提取的res数据框结合ggjoy绘制生存分析图？

嘿，看起来你已经完成了生存分析的第一步——把survfit对象转换成了数据框res，接下来用ggjoy绘制相关图形其实很直接，不过有几个关键点要注意，我一步步给你说：

首先，先确认你的res数据框是否包含分组变量（比如你提到的sex）。从你给出的res结构来看，目前没有分组列，但你的km_sex是按性别分组的生存分析结果，所以如果是手动构造的res，记得把分组信息加进去；如果还没处理，推荐用broom包的tidy()函数来提取，它会自动保留分组：

library(broom)
# 从km_sex提取带分组信息的完整数据框
res <- tidy(km_sex)
# 此时res会有strata列，对应你的性别分组

用ggjoy绘制生存相关脊线图 #

ggjoy的核心是绘制脊线图（joyplot），适合展示不同组的变量随时间的分布趋势。针对生存分析，我们可以用它来展示不同性别组的生存概率、风险人数等指标的变化：

示例1：生存概率随时间的脊线图

library(ggjoy)
library(ggplot2)

# 绘制不同性别生存概率的脊线图
ggplot(res, aes(x = time, y = strata, height = estimate, group = strata)) +
  geom_joy(scale = 0.6, fill = "#2c7fb8", alpha = 0.7) +
  labs(
    x = "随访时间",
    y = "性别",
    title = "不同性别人群的生存概率变化脊线图",
    subtitle = "基于Kaplan-Meier分析结果"
  ) +
  theme_minimal()

• x指定时间变量，y是分组（性别），height对应生存概率（estimate是tidy()提取的生存概率列，如果你手动构造的res是surv列，就替换成surv）
• scale参数用来调整脊线的高度，避免不同组的图形重叠
• alpha和fill可以自定义颜色和透明度，让图形更美观

示例2：风险人数随时间的脊线图

如果想展示不同组的风险人数变化，只需要把height换成n.risk即可：

ggplot(res, aes(x = time, y = strata, height = n.risk, group = strata)) +
  geom_joy(scale = 0.5, fill = "#fdae61", alpha = 0.7) +
  labs(
    x = "随访时间",
    y = "性别",
    title = "不同性别人群的风险人数变化脊线图"
  ) +
  theme_minimal()

注意：ggjoy已停止维护，推荐用ggridges #

需要提醒你，ggjoy包已经不再更新维护了，现在更推荐使用它的替代包ggridges，功能更完善，用法也类似：

library(ggridges)

# 用ggridges绘制生存概率脊线图
ggplot(res, aes(x = time, y = strata, height = estimate)) +
  geom_ridgeline(fill = "#2c7fb8", alpha = 0.7, scale = 0.6) +
  labs(
    x = "随访时间",
    y = "性别",
    title = "不同性别人群的生存概率变化脊线图"
  ) +
  theme_minimal()

如果你的res是手动构造的，记得确认所有列的完整性（比如你给出的upper列后面是...，要确保数据没有缺失，否则绘图会报错）。

内容的提问来源于stack exchange，提问作者xpto