卡普兰-迈耶曲线，R中事件很少

我想画一条KM曲线，但数据集中的事件很少。这会导致奇怪的曲线，我想知道是否有可能在y轴上设置限制，更好地突出差异

以下是虚拟数据：

set.seed(132456)

'dummy survival data'
df<-data.frame(id=seq(1,1000,1), event=rep(0,1000),time=floor(runif(1000,7,10)),group=floor(runif(1000,0,2)))

'set events for a few random subjects'
'only within the first 100 to check results more easily'

id_list<-c(as.numeric(floor(runif(10,1,100))))
df$event[df$id %in% id_list]<-1

'set survival times for events'
t_list<-c(as.numeric(floor(runif(8,1,5))))
df2<-df[df$event==1,]
df2
df2$time<-t_list


'combine data'
df<-rbind(df,df2)
summary(df)

'Set up surfit '
require(survminer)
KM_fit<-survfit(Surv(time , event) ~ 1 + strata(group),data= df)
ggsurvplot(KM_fit,
           title="TEST",
           risk.table = TRUE)

set.seed（132456）
“虚拟生存数据”
dfI在运行这行代码时出错：
df2$timer请重试。如果您查看
ggsurvplot
（）的文档，您会发现您可以通过在对该函数的调用中添加
ylim=c（{min}，{max}）
来更改y轴的比例，例如，
ggsurvplot（KM_-fit，title=“TEST”，risk.table=TRUE，ylim=c（0.95,1））
。无论发生什么，一个事件如此之少的数据集的绘图都不会提供太多信息，但这会满足您的要求。谢谢。关于图的信息性，这确实是一个问题，但数据就是这样的。所以我不知道如何处理它。生存分析中测试的统计能力几乎完全取决于事件的数量。