科研猫 | 最后更新时间：2020-01-14
我们的示例数据跟我们平时做分析的数据一摸一样，分为三列，依次为：
（1）生存时间：可以是天或者月，必须是数值；
（2）生存结局：分为 0 和 1，其中 1 代表事件发生，如果是生存和死亡的话，1 就代表死亡；
（3）分组信息：不一定非要是两组，三组也是可以的哦。我们这里用的就是 G1、G2 和 G3 三个分组；
开始绘图
开始正式绘图之前，咱们先看看平时用的绘图软件绘制出来的生存曲线图形。
SPSS
先看看统计软件的老大哥，已然落伍的 SPSS。依旧是经典的画风，图形看上去中规中矩，最大缺陷是没有 log rank test 的 P value，还要分析以后自己手动加上去。
GraphPad
再来看看统计绘图软件领域的新宠，近几年在国内用的很多的 Prism Graphpad，是个付费软件，我周围用的人还不少。Graphpad 画出来的 KM 图是这样的。看了之后，最直接的评价就是两个字：“吃藕（chou）”,而且依然没有 P value 在图上标出。当然，客观的讲，如果去调整一下参数的话，可能图形会漂亮一些，但是浪费时间和心力啊。
Origin
咱们再来看看另外一个软件，Origin。Origin 也是一款流行的数据绘图软件，为广大科研工作者使用。特别是在国外实验室，用的也是比较多的。做出来的图如下所示，也是中规中矩，而且自动标注了 P value，这点比上面的 SPSS 和 Graphpad 稍好一些。
R
下面，测评的差不多了，我们就进入到最为关键的环节，如何绘制一个“优雅不轻浮，精致不繁琐”的生存曲线图。当然，我们的工具还是 R 语言，作为目前绘图领域首屈一指的工具语言，要想画好图，必然还是用R来做。我们通过使用 R 的 survival 包和 survminer 包进行绘图，多种绘图模式可供选择，画出来的图形是这样子的：
没错，就是这么漂亮，我相信各位肯定有眼前为之一亮的感觉。这个图分为是三个部分：最上面是生存曲线，配色都配好的，P 值也标注好了，半数生存的时候对应的时间也标好了，95%置信区间也有了，堪称完美。中间一个表格是对应不同生存时间的患者数量，很直观的比较不同组别之间差异。下面一张图是不同分组的截断数据的数量，柱状图，非常明了。这三个子图统一构成了我们的生存曲线图，可谓完美。
