R：序列数据的整齐聚合和STEP函数的可视化

我有一些患者数据，其中个别患者随时间改变治疗组。我的目标是可视化组变化的顺序，并将这些数据聚合为每个治疗组的“序列配置文件”

对于每一个治疗组，我想展示它通常发生的时间 在治疗周期中（更确切地说是在开始或结束时）。为了解释不同的序列长度，我想在NN 0（最开始）和1（结束）之间标准化这些配置文件

我想找到一个有效的数据准备和可视化

极小示例 数据结构

库（dplyr）
图书馆（purrr）
图书馆（GG2）
#最小数据
cj_df_原始%
分组依据（id）%>%
变异（位置=行号（），
len=长度（id），
开始=（位置-1）/len，
结束=位置/长度）%>%
过滤器（组==“A”）
#>#tibble:3 x 6
#>#组：id[2]
#>id组pos len起始端
#>        
#>1A 120.5
#>2 A 1 3 0.333
#>3 2 A 3 0.667 1

（因此，Id 1在其序列的前50%在A组中，Id 2在其序列的前33%和后33%在A组中。这意味着，2个Id在序列的0-33%之间，1个在33-50%之间，0个在50-66%之间，1个在66%以上。）

这是我想要实现的结果，我错过了有效转换数据的机会

预期结果

profile\u treatmen\u a%
ggplot（aes（x，y））+
几何步进（方向=“vh”）+
扩展_极限（x=c（0，1），y=0）

（理想情况下，曲线下的区域将被着色）

理想的解决方案：通过GGR 可视化的目标是同时比较多个治疗组的“序列图”。如果我能相应地准备数据，我想使用ggridges软件包对治疗组进行一次引人注目的视觉比较

库（ggridges）
数据帧（组=代表（字母[1:2]，每个=20），
平均值=rep（2个，每个=20））%>%
突变（计数=runif（nrow（%））%%>
ggplot（aes（x=计数，y=组，填充=组））+
geom_山脊线（stat=“binline”，binwidth=0.5，scale=0.9）

---

您可以构建帮助器间隔，然后只绘制直方图。由于每位患者都属于A组或B组，因此两组的总和为100%。使用这些辅助间隔，您还可以轻松切换到其他

geom

library(tidyverse, warn.conflicts = FALSE)
library(ggplot2)

# create sample data
set.seed(42)

id <- 1:10 %>% map(~ rep(x = .x, times = runif(n = 1, min = 1, max = 6))) %>%
  unlist()
group <- sample(x = c("A", "B"), size = length(id), replace = TRUE) %>%
  as_factor()
df <- tibble(id, group)
glimpse(df)
#> Observations: 37
#> Variables: 2
#> $ id    <int> 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 4, 4, 4, 4, 4, 5, 5,...
#> $ group <fct> A, B, B, A, A, B, B, A, A, B, B, A, B, B, A, B, A, B, A,...

# tidy data
df <- df %>%
  group_by(id) %>%
  mutate(from = (row_number() - 1) / n(),
         to = row_number() / n()) %>%
  ungroup() %>%
  rowwise() %>%
  mutate(list = seq(from + 1/60, to, 1/60) %>% list()) %>%
  unnest()

# plot
df %>%
  ggplot(aes(x = list, fill = group)) +
  geom_histogram(binwidth = 1/60) +
  ggthemes::theme_hc()

---

您可以建立辅助间隔，然后只绘制直方图。由于每位患者都属于A组或B组，因此两组的总和为100%。使用这些辅助间隔，您还可以轻松切换到其他

geom

library(tidyverse, warn.conflicts = FALSE)
library(ggplot2)

# create sample data
set.seed(42)

id <- 1:10 %>% map(~ rep(x = .x, times = runif(n = 1, min = 1, max = 6))) %>%
  unlist()
group <- sample(x = c("A", "B"), size = length(id), replace = TRUE) %>%
  as_factor()
df <- tibble(id, group)
glimpse(df)
#> Observations: 37
#> Variables: 2
#> $ id    <int> 1, 1, 1, 1, 1, 2, 2, 2, 2, 2, 3, 3, 4, 4, 4, 4, 4, 5, 5,...
#> $ group <fct> A, B, B, A, A, B, B, A, A, B, B, A, B, B, A, B, A, B, A,...

# tidy data
df <- df %>%
  group_by(id) %>%
  mutate(from = (row_number() - 1) / n(),
         to = row_number() / n()) %>%
  ungroup() %>%
  rowwise() %>%
  mutate(list = seq(from + 1/60, to, 1/60) %>% list()) %>%
  unnest()

# plot
df %>%
  ggplot(aes(x = list, fill = group)) +
  geom_histogram(binwidth = 1/60) +
  ggthemes::theme_hc()

---

我试图回答。。虽然这可能不是最好的/最快的/最有效的方法，但我认为它可能会对你的努力有所帮助

library(data.table)
# compute "intervals" for each person [start, end]
df <- cj_df_raw %>% 
  group_by(id) %>% 
  mutate(pos = row_number(),
         len = length(id),
         from = (pos - 1) / len,
         to = pos / len,
         value = 1)

dt <- as.data.table(df)
setkey(dt, from, to)

#create intervals
dt.interval <- data.table(from = seq( from = 0, by = 0.01, length.out = 100),
                          to = seq( from = 0.01, by = 0.01, length.out = 100))

#perform overlap join on intervals
dt2 <- foverlaps( dt.interval, dt, type = "within", nomatch = NA)[, sum(value), by = c("i.from", "group")]
#some melting ans casting to fill in '0' on empty intervals
dt3 <- melt( dcast(dt2, ... ~ group, fill = 0), id.vars = 1 )

#plot
ggplot( dt3 ) +
  geom_step( aes( x = i.from, y = value, color = variable ) ) + 
  facet_grid( .~variable ) 

库（data.table）
#计算每个人的“时间间隔”[开始，结束]
df%
分组依据（id）%>%
变异（位置=行号（），
len=长度（id），
from=（位置-1）/len，
to=位置/长度，
值=1）
我试图找到答案。。虽然这可能不是最好的/最快的/最有效的方法，但我认为它可能会对你的努力有所帮助

library(data.table)
# compute "intervals" for each person [start, end]
df <- cj_df_raw %>% 
  group_by(id) %>% 
  mutate(pos = row_number(),
         len = length(id),
         from = (pos - 1) / len,
         to = pos / len,
         value = 1)

dt <- as.data.table(df)
setkey(dt, from, to)

#create intervals
dt.interval <- data.table(from = seq( from = 0, by = 0.01, length.out = 100),
                          to = seq( from = 0.01, by = 0.01, length.out = 100))

#perform overlap join on intervals
dt2 <- foverlaps( dt.interval, dt, type = "within", nomatch = NA)[, sum(value), by = c("i.from", "group")]
#some melting ans casting to fill in '0' on empty intervals
dt3 <- melt( dcast(dt2, ... ~ group, fill = 0), id.vars = 1 )

#plot
ggplot( dt3 ) +
  geom_step( aes( x = i.from, y = value, color = variable ) ) + 
  facet_grid( .~variable ) 

库（data.table）
#计算每个人的“时间间隔”[开始，结束]
df%
分组依据（id）%>%
变异（位置=行号（），
len=长度（id），
from=（位置-1）/len，
to=位置/长度，
值=1）
dt