ggforest報(bào)錯(cuò):名稱同原來(lái)已有的名稱不相對(duì)

今天繪制森林圖遇到了這樣一個(gè)報(bào)錯(cuò):

>   p <- ggforest(model = res.cox, data = df.surv, 
+                 cpositions = c(0.01, 0.1, 0.3),
+                 # refLabel = "女", 
+                 fontsize = 0.7, 
+                 noDigits = 2, 
+                 main = "Hazard Ratio")
錯(cuò)誤于match.names(clabs, names(xi)): 名稱同原來(lái)已有的名稱不相對(duì)

不知道是哪里出了問(wèn)題。找了一圈沒(méi)找到原因。
最后無(wú)意中發(fā)現(xiàn)是因?yàn)閭魅氲膁ata參數(shù)的格式要求。
原本的表格預(yù)處理流程:

  df.surv <- df.cli %>% inner_join(df.IT,by = 'patient') %>% 
    inner_join(df.1mm,by = 'patient') %>% 
    mutate(SEX = ifelse(SEX=='男','Male','Female')) %>% 
    mutate(SEX = factor(SEX, levels = c("Male", "Female")))

此時(shí)這個(gè)表格是一個(gè)tbl對(duì)象

> class(df.surv)
[1] "tbl_df"     "tbl"        "data.frame"

需要將其轉(zhuǎn)換為一個(gè)純粹的data.frame才可以

df.surv <- df.cli %>% inner_join(df.IT,by = 'patient') %>% 
  inner_join(df.1mm,by = 'patient') %>% 
  mutate(SEX = ifelse(SEX=='男','Male','Female')) %>% 
  mutate(SEX = factor(SEX, levels = c("Male", "Female"))) %>% 
  as.data.frame() # ←這里

此時(shí)

>   class(df.surv)
[1] "data.frame"

再去繪圖就不報(bào)錯(cuò)了

>   class(df.surv)
[1] "data.frame"
>   p <- ggforest(model = res.cox, data = df.surv, 
+                 cpositions = c(0.01, 0.1, 0.3),
+                 # refLabel = "女", 
+                 fontsize = 0.7, 
+                 noDigits = 2, 
+                 main = "Hazard Ratio")
>   p
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
【社區(qū)內(nèi)容提示】社區(qū)部分內(nèi)容疑似由AI輔助生成,瀏覽時(shí)請(qǐng)結(jié)合常識(shí)與多方信息審慎甄別。
平臺(tái)聲明:文章內(nèi)容(如有圖片或視頻亦包括在內(nèi))由作者上傳并發(fā)布,文章內(nèi)容僅代表作者本人觀點(diǎn),簡(jiǎn)書系信息發(fā)布平臺(tái),僅提供信息存儲(chǔ)服務(wù)。

相關(guān)閱讀更多精彩內(nèi)容

  • 常用庫(kù): fuzzywuzzy,字符串模糊匹配。 esmre,正則表達(dá)式的加速器。 Chardet字符編碼探測(cè)器,...
    AlastairYuan閱讀 2,415評(píng)論 0 43
  • 1.ios高性能編程 (1).內(nèi)層 最小的內(nèi)層平均值和峰值(2).耗電量 高效的算法和數(shù)據(jù)結(jié)構(gòu)(3).初始化時(shí)...
    歐辰_OSR閱讀 30,282評(píng)論 8 265
  • 我們將微生物群落組成研究分為兩個(gè)主要部分:(1)分類多樣性、OTUS和類群的假設(shè)檢驗(yàn);(2)類群間差異分析。第一個(gè)...
    ZMQ要加油呀閱讀 2,297評(píng)論 0 2
  • Swift1> Swift和OC的區(qū)別1.1> Swift沒(méi)有地址/指針的概念1.2> 泛型1.3> 類型嚴(yán)謹(jǐn) 對(duì)...
    cosWriter閱讀 11,681評(píng)論 1 32
  • R語(yǔ)言與數(shù)據(jù)挖掘:公式;數(shù)據(jù);方法 R語(yǔ)言特征 對(duì)大小寫敏感 通常,數(shù)字,字母,. 和 _都是允許的(在一些國(guó)家還...
    __一蓑煙雨__閱讀 1,864評(píng)論 0 5

友情鏈接更多精彩內(nèi)容