Python中的生存分析工具

46

我想知道是否有任何能够执行生存分析的python软件包。我一直在R中使用Survival软件包，但想将我的工作移植到python。

survival python

— 马克·萨伦
source

11

使用Rpy从Python调用R ;-)

2

过去30年中，用于生存分析的Python开发人员投入的工作几乎与Terry Therneau和其他人投入R生存程序包（包括广泛的测试）相去甚远，这是令人怀疑的。生存程序包经过了我在统计资料中所见过的最严格的测试程序。

— Frank Harrell 2013年

2

同意 R的survival一揽子计划受到大型社区的严格审查。

— 马克·克莱森

根据我的经验，RPy（现在为2）很难安装。

— 朱巴卜2014年

21

AFAIK，python中没有任何生存分析包。正如上面的mbq注释所示，唯一可用的路由是Rpy。

即使有可用的纯python软件包，我在使用它时也会非常小心，特别是我会看一下：

它多久更新一次。
它有大量的用户群吗？
有先进的技术吗？

R的好处之一是，这些标准软件包得到了大量的测试和用户反馈。处理真实数据时，意外的边缘情况可能会蔓延。

— csgillespie
source

6

在过去的5年中，Python发生了许多变化（更好）。韦迪通过Cam.Davidson.Pilon答案的生命线。

— Piotr Migdal

69

查看lifelines¹项目，以简单，干净的方式在Python中实现生存模型，包括

生存函数的估计
累积危害曲线的估计量
考克斯比例风险回归模型
考克斯的时变回归模型
参数AFT模型
艾伦的加性回归模型
多变量测试

好处：

建在熊猫上
纯Python且易于安装
内置绘图功能
简单的界面

此处提供文档：文档和示例

用法示例：

from lifelines import KaplanMeierFitter

survival_times = np.array([0., 3., 4.5, 10., 1.])
events = np.array([False, True, True, False, True])

kmf = KaplanMeierFitter()
kmf.fit(survival_times, event_observed=events)

print(kmf.survival_function_)
print(kmf.median_)
kmf.plot()

内置绘图库中的示例绘图：

在此处输入图片说明

免责声明：我是主要作者。给我Ping（个人资料中的电子邮件）以询问有关生命线的问题或反馈。

— 戴维森·皮隆
source

14

（+1）救生包的巧妙名称。

— 马克·克莱森

8

python-asurv致力于将asurv软件移植为天文学中的生存方法。可能值得关注，但是cgillespie对需要提防的事情是正确的：它还有很长的路要走，而且开发似乎并不活跃。（AFAICT仅存在一种方法甚至完成了一种方法，例如对于生物统计学家来说，可能缺少该方法包。）

您可能最好通过RPy或PypeR之类的工具在Python中使用R中的生存包。我自己这样做没有任何问题。

— 阿尔斯
source

7

PyIMSL包含一些用于生存分析的例程。它是非商业用途的啤酒中的免费饮料，否则完全支持。根据《统计用户指南》中的文档...

计算生存概率的Kaplan-Meier估计值：kaplanMeierEstimates（）

使用Cox比例风险模型propHazardsGenLin（）分析生存和可靠性数据

使用广义线性模型分析生存数据：survivingGlm（）

使用各种参数模式进行估算：survivingEstimates（）

使用非参数方法估算可靠性危害函数：nonparamHazardRate（）

产生人口和同龄人寿命表：lifeTables（）

— 乔什·赫曼
source

4

现在，您可以在IPython中使用R ，因此您可能想研究将IPython与R扩展一起使用。

— 卡尔·史密斯
source

2

你能举个例子吗？我很好奇尝试一下！

— user603 2012年

我相信您指的是R magic接口（使用rpy2）。我也很想看看一个简单的例子。（据我了解，生存模型尚未在statsmodels中完全可用。）

— chl

我对statsmodels不太确定，但是您可以从github获得带有C，Octave和R扩展示例的笔记本。您需要运行Notebook才能明显地使用它们，但是我确定您可以在任何界面中使用相同的代码。

— 卡尔·史密斯

3

@ user603这是一个简单的演示：nbviewer.ipython.org/4383682 ; 我相信，这依赖于相当新的iPython。

— shabbychef 2012年

2

我还想提到scikit-survival，它提供了生存分析模型，可以轻松地与scikit-learn的工具结合使用（例如，KFold交叉验证）。

在撰写本文时，scikit-survival包括以下实现

累积危害函数的Nelson-Aalen估计量。
生存功能的Kaplan-Meier估计器。
有和没有弹性净罚分的考克斯比例风险模型。
加速故障时间模型。
生存支持向量机。
渐变增强的Cox模型。
绩效评估的一致性指数。

— sebp
source

scikit-survival非常适合与事件预测时间相关的任务！

— Cam.Davidson.Pilon，

1

除了使用R直通RPy或等效功能外，statsmodels（以前称为sicpy.statsmodel）python库中还有许多生存分析例程。不过，它们在“沙盒”程序包中，这意味着它们现在不准备投入生产。

例如，您在此处编码了比例风险的Cox模型。

— 点数
source