Contour plot，了解一下

前段时间，有位丁香园站友在版块内求助这样一张图（见图1和图2）的绘制方法。我看到后，感觉和曾经做过的分布滞后非线性模型（常用于气象与疾病发病率的关系研究）中的Contour plot（见图3）有点像，但又有区别。复现文章中的高级统计图，是我的一大乐趣。于是乎，经过一番努力，就有了今天的这篇推文。

图 1

图 2

图 3

在正式上“菜”之前，先简单介绍一下Contour plot这道菜。Contour plot，中文名：等高线图、等值线图，是一个2.5D 交互图。就图1.1（图1.2）而言，Contour plot表示的是肿瘤大小和肿瘤直径这两个变量预测的患者3年生存率：随着肿瘤的增大和个数的增多，肿瘤患者的3年生存率在逐渐降低。图1.1和图1.2对应的文章放在文末，大家有兴趣可以下载了看一看。

在做科研的各位，想必都观察到了这样一个现象：一张既有内容又漂亮的统计图会让文章增色不少。既如此，就请一起学习进步。下面，言归正传，上硬菜！

##-- 加载R packages ---##

library(survival)

library(rms)

library(pec)

library(plotly)

##---载入示例数据---##

data("lung") #R自带的肺癌数据

lung<-lung[-206,] # 剔除个别缺失值

##-- 建立Cox模型，并预测生存概率---##

##建立Cox模型

Cox <- cph(Surv(time, status) ~ pat.karno + ph.karno, data = lung, surv = T)

t <- c(365,730) #设定随访时间

##预测生存概率

survprob <-****(Cox, newdata = lung, times = t)

##---提取变量，建立新的数据框---##

data<-as.data.frame(cbind(lung$pat.karno, lung$ph.karno, survprob))

names(data)[c(1:4)]<-c("size", "number", "Prob_365", "Prob_730")

## 由于没有肿瘤大小和数量，这里假定"pat.karno"和"ph.karno"对应的是肿瘤大小和数量

图 4

##--- 绘制Contour plot---##

p<-plot(********) ##

layout(p, title="2-Year survival probability")

图 5

基本完工，上图5便是最终得到的Contour plot。不知道大家还记不记得墨点在前几期介绍的网页版动态列线图（Dynamic nomogram），2.5D contour plot同样也可以上传制作网页。制作网页版2.5D Contour plot的方法很简单，请看右上角的“Publish”。点击Publish，选择Rpubs进入注册；注册完成后，重新点击Publish，填写你要上传的图片信息和图片名称，点击Continue！(https://rpubs.com/hamody/Contourplot)

图 6

图 7

图 8

图 9

菜齐了，各位请慢用！如果喜欢，还请点个赞，关注一下吧！尊重数据，助力科研。