使用Lifelines包进行Cox模型拟合

Mengkelyu

Cox模型简单介绍

Cox模型是用来做生存分析的。但是也可以用来分析企业的生存状况，以及任何一种有终止状态的过程。

Cox模型的数据准备

数据需要有一列代表观测时间，还有一列代表观测时的状态（一般用0和1表示）。
以人的生存状态举例：观测500个人，如果观测的人是活着的，可以记录观测时人的年龄；如果观测的人已经死去，可以记录死亡时间。

Lifelines的CoxPHFitter包还要求不能有缺失值，所以需要对缺失值进行处理。

研究数据集列介绍

Survival 代表观测时的状态的变量
factor1 可能和死亡有关的因素1
factor2 可能和死亡有关的因素2
Survival_days 观测时死亡/已存活时间

Mengkelyu

核心代码如下：

# platform是数据集的名字
# 查看缺失值，如果有，需要填充
platform.isna().sum()

# 简单处理缺失值
platform.fillna(0, inplace = True)

# 拟合数据
from lifelines import CoxPHFitter
cph = CoxPHFitter()
cph.fit(platform, duration_col='Survival_years', event_col='Survival',formula = "factor1 + factor2")

# 查看结果
cph.print_summary()