要在 Python 中根据逻辑回归的变量、OR（比值比）、下限和上限数据绘制森林图，可以借助 `matplotlib` 和 `seaborn` 库来实现。以下是详细的步骤说明以及示例代码： ### 步骤 1. **准备数据**：将变量名及其对应的 OR 值、置信区间上下限整理成 Pandas DataFrame 格式。 2. **排序数据**：为了美观，通常会按 OR 或其他指标对行进行排序。 3. **绘图配置**： - 使用水平条形图表示每个变量的位置及范围。 - 添加参考线（如 OR=1 的竖直线），便于观察各变量是否显著。 4. **美化图表**：设置标题、标签样式等。 --- ### 示例代码 ```python import pandas as pd import matplotlib.pyplot as plt import seaborn as sns # 创建样例数据 (实际应用中替换成真实数据) data = { 'Variable': ['Var_A', 'Var_B', 'Var_C', 'Var_D'], 'OR': [1.5, 0.8, 2.2, 1.1], 'Lower_CI': [1.2, 0.6, 1.9, 0.9], # 下限 'Upper_CI': [1.8, 1.0, 2.7, 1.4] # 上限 } df = pd.DataFrame(data) # 将数据按照 OR 排序 (可选) df = df.sort_values(by='OR') # 设置画布大小 plt.figure(figsize=(8, 6)) # 绘制误差棒 sns.scatterplot(x='OR', y='Variable', data=df, color='blue') plt.errorbar( x=df['OR'], y=df['Variable'], xerr=[df['OR'] - df['Lower_CI'], df['Upper_CI'] - df['OR']], fmt='o', ecolor='black', elinewidth=1, capsize=5 ) # 添加参考线 (OR = 1) plt.axvline(x=1, color='red', linestyle='--', linewidth=1) # 美化图形 plt.title('Forest Plot of Logistic Regression Results', fontsize=16) plt.xlabel('Odds Ratio with 95% CI', fontsize=14) plt.ylabel('Variables', fontsize=14) plt.xscale('log') # 可选项：若需要显示对数尺度 plt.xticks(fontsize=12) plt.yticks(fontsize=12) # 显示图像 plt.tight_layout() plt.show() ``` --- ### 输出效果描述 上述代码生成了一个森林图，其中： - 横轴为 Odds Ratio，并标注了其 95% 的置信区间； - 数据点用散点标记 (`scatter`) 表示中心位置 (即 OR)，而误差棒 (`errorbar`) 则展示上界和下界的范围； - 还包括一条红色虚线作为基准参照（OR=1）； 你可以通过调整颜色方案或其他视觉属性进一步优化外观！ ---