R语言画森林图系列3！

关注公众号，发送R语言或Python，获取学习资料！

森林图应用范围很广泛，不仅是meta分析，还可用于很多回归模型的可视化。

画图无非就是准备好数据格式，然后选择合适的函数往里面加数据就好了。

“

数就是图，图就是数

所以前面介绍的2种方法适合于所有情况，只要你把数据提取出来即可。

不过对于很多模型，我们有现成的工具，不需要自己造轮子！比如GGally！

这个包能够快速可视化多种模型，主要是结合了broom包和ggplot2的优点，通过broom把模型结果变为整洁形式，然后借助ggplot2画图，相当于另外封装了，如果你有兴趣，完全可以自己通过这2个包搞定一切。

• 多元线性回归

• logistic回归

• 多项式回归

• 自定义标签

• 更改主题

• 同时比较多个模型

• 分面

• nnet::multinom

多元线性回归

library(GGally)
## 载入需要的程辑包：ggplot2
## Registered S3 method overwritten by 'GGally':
##   method from   
##   +.gg   ggplot2
data(tips, package = "reshape")
mod_simple <- lm(tip ~ day + time + total_bill, data = tips)

ggcoef_model(mod_simple)

plot of chunk unnamed-chunk-1

logistic回归

d_titanic <- as.data.frame(Titanic)
d_titanic$Survived <- factor(d_titanic$Survived, c("No", "Yes"))
mod_titanic <- glm(
  Survived ~ Sex * Age + Class,
  weights = Freq,
  data = d_titanic,
  family = binomial
)
ggcoef_model(
      mod_titanic,
      exponentiate = TRUE, # 显示OR值
      show_p_values = FALSE, # P值
      signif_stars = FALSE, # 显著性星号
      add_reference_rows = TRUE, 
      intercept = TRUE, # 截距
      categorical_terms_pattern = "{level} (ref: {reference_level})",
      interaction_sep = " x "
    ) +
    scale_y_discrete(labels = scales::label_wrap(15))
## Scale for 'y' is already present. Adding another scale for 'y', which will
## replace the existing scale.

plot of chunk unnamed-chunk-2

只显示部分变量：

ggcoef_model(mod_titanic, exponentiate = TRUE, include = c("Age", "Class"))

plot of chunk unnamed-chunk-3

黑白版本：

ggcoef_model(
    mod_titanic, exponentiate = TRUE,
    colour = NULL, stripped_rows = FALSE
  )

plot of chunk unnamed-chunk-4

多项式回归

mod_poly <- lm(
    tip ~ poly(total_bill, 3) + day,
    data = tips,
  )

ggcoef_model(mod_poly)

plot of chunk unnamed-chunk-5

自定义标签

library(labelled)

tips_labelled <- tips %>%
  set_variable_labels(
    day = "Day of the week",
    time = "Lunch or Dinner",
    total_bill = "Bill's total"
  )

mod_labelled <- lm(tip ~ day + time + total_bill, data = tips_labelled)
ggcoef_model(mod_labelled)

plot of chunk unnamed-chunk-6

# 另一种方法，支持折叠标签

ggcoef_model(
    mod_simple,
    variable_labels = c(
      day = "Week day",
      time = "Time (lunch or dinner ?)",
      total_bill = "Total of the bill"
    ),
    facet_labeller = label_wrap_gen(10)
  )

plot of chunk unnamed-chunk-7

更改主题

# 借助ggplot2

ggcoef_model(mod_simple) +
  xlab("Coefficients") +
  ggtitle("Custom title") +
  scale_color_brewer(palette = "Set1") +
  theme(legend.position = "right")
## Scale for 'colour' is already present. Adding another scale for 'colour',
## which will replace the existing scale.

plot of chunk unnamed-chunk-8

同时比较多个模型

mod1 <- lm(Fertility ~ ., data = swiss) # 多元线性回归mod2 <- step(mod1, trace = 0) # 逐步回归mod3 <- lm(Fertility ~ Agriculture + Education * Catholic, data = swiss) models <- list("Full model" = mod1, "Simplified model" = mod2, "With interaction" = mod3)ggcoef_compare(models)

plot of chunk unnamed-chunk-9

分面

ggcoef_compare(models, type = "faceted")

plot of chunk unnamed-chunk-10

nnet::multinom

library(nnet)data(happy)mod <- multinom(happy ~ age + degree + sex, data = happy)## # weights:  24 (14 variable)## initial  value 50552.644463 ## iter  10 value 45030.930814## iter  20 value 43102.145726## final  value 43101.422966 ## converged  ggcoef_multinom(    mod, type = "faceted",    y.level_label = c(      "pretty happy" = "pretty happy\n(ref: very happy)",      "very happy" = "very happy"    )  )

plot of chunk unnamed-chunk-11

OK，说了这么多，你学会了吗？

今天讲的这些东西好像用的不是太多，你们专业会用到吗？

以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！

欢迎在评论区留言或直接添加我的微信！

欢迎关注公众号：医学和生信笔记

“

医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！

往期回顾