Python绘制Cox列线图：详细教程与指南

python绘制列线图（新增cox）及绘制指南

最近，绘制列线图的帖子受到了大家不少的关注，大家的关注是我的动力。

绘制cox列线图

经过一天的努力，在原有绘制逻辑回归算法列线图的基础上，增加了绘制COX列线图的功能。Cox列线图的绘制稍微复杂一些，好在基本的逻辑是一样的，主要的不同的是列线图概率部分一般会绘制2-3个概率条，分别指定不同时间的累计风险。

还是有一些不完善，比如左侧的字体有些显示不全。下面是另外“cool”风格，可以绘制不同的风格，也算是我们这个代码的一个特色，以后肯定会增加更多有趣的风格，使列线图兼具实用性和美观性，以便大家可以在一些不是特别正式的场合来展示列线图。

关于如何绘制列线图，感觉还是有必要说一说，因为代码编写的不够完善，稍有不慎还是容易出错。

绘制指南

整体的过程如下所示。
需要强调的几个地方：

读取数据之后，要使用pandas的Categorical函数对分类变量进行一定的处理，规定哑变量是哪个，这里是0，把哑变量排在第一位。因为代码中会进行onehot编码，会影响最终列线图的绘制。
后处理过程是必须的，后处理过程中计算了总分和概率，是绘制列线图中需要用到的，不可省略。
case_data是字典形式，变量名称是onthot编码后的名称，不是原始名称。
绘图参数中，有个continuous_step_scale，是用来控制连续变相的刻度线疏密程度的，数字越大，越稀疏，需要多次尝试选择合适的刻度疏密程度，最好是能被刻度线整除的。color_theme=‘cool’,symbol_theme=‘cool’ 用来控制风格，分别有“classic”、“CNS”和“cool”三种风格。

附相关的代码

  #读取数据
    data=pd.read_csv('heart_failure.csv')
    #处理分类变量
    data['anaemia']=pd.Categorical(data['anaemia'],categories=[0,1],ordered=True)
    data['diabetes']=pd.Categorical(data['diabetes'],categories=[0,1],ordered=True)
    data['high_blood_pressure']=pd.Categorical(data['high_blood_pressure'],categories=[0,1],ordered=True)
    data['sex']=pd.Categorical(data['sex'],categories=[0,1],ordered=True)
    data['smoking']=pd.Categorical(data['smoking'],categories=[0,1],ordered=True)
    #指定需要的变量
    cat_cols = ['sex', 'anaemia','diabetes','high_blood_pressure','smoking']
    continuous_cols = ['age', 'creatinine_phosphokinase', 'ejection_fraction', 'serum_creatinine', 'serum_sodium']
    time_col = 'time'
    event_col = 'DEATH_EVENT'
    var_cols = continuous_cols + cat_cols
    #计算数据
    data_label, meta_df, score_df, params_df,cph,data_onehot = prepare_nomogram_data_cox(data, cat_cols, event_col, time_col, var_cols)
    #后处理
    ununion_cols=[['sex_1'],['anaemia_1'],['diabetes_1'],['high_blood_pressure_1'],['smoking_1']]
    reunion_cols=['sex','anaemia','diabetes','high_blood_pressure','smoking']
    meta_df,score_df=postprocess(meta_df,score_df,ununion_cols,reunion_cols,cox=True,specific_times=[30,60],cox_model=cph,data_onehot_cox=data_onehot)
    #计算个案数据
    case_data={'age':60,'creatinine_phosphokinase':40,'ejection_fraction':50,'serum_creatinine':1,'serum_sodium':120,'sex_1':1,'anaemia_1':1,'diabetes_1':1,'high_blood_pressure_1':1,'smoking_1':1}
    params_df,case_data=calculate_case_score(params_df,case_data=case_data,cox=True,cox_model=cph,specific_times=[30,60])
    
    #绘制列线图
    fig = plot_nomogram(score_df,data_label,meta_df,params_df,
                        ununion_cols,reunion_cols,prob_range=[0.1,0.2,0.3,0.6,0.9],cox=True,cox_model=cph,specific_times=[30,60],
                        continuous_step_scale={0: 3, 1: 1000, 2: 2,3:1,4:5,'total': 2},
                        case_data=case_data,
                        color_theme='cool',symbol_theme='cool'
                        )
    fig.show()