這篇文章是本文的第七篇推文有送，介紹了前面高分示例文章里的圖形后，我們基本上可以呈現(xiàn)簡單的發(fā)病率以及死亡率數(shù)據(jù)了，接下來一般比較常規(guī)的分析還會增加關(guān)于風(fēng)險因素的結(jié)果展示返吻，我們可以看下發(fā)表在lancet子刊上的The global, regional, and national
burden of oesophageal cancer and its attributable risk factors in 195 countries
and territories, 1990–2017: a systematic analysis for the Global Burden of
Disease Study 2017文章的圖5萧恕，這個圖5就表述了影響食管癌DALY的影響占比刚梭。
同樣的，我們需要下載好這一部分的數(shù)據(jù)票唆，Context選擇對應(yīng)的選項列表Risk,時間選擇1990與2019年朴读，地區(qū)按照上次的選擇好，Measure選擇Deaths以及DALY走趋，Risk選擇與文字一樣的變量磨德。
下載好數(shù)據(jù)后，我們分析這張圖的構(gòu)成，根據(jù)5個變量有5張圖典挑，需要得到每個地區(qū)每個風(fēng)險因素對DALY的影響占比酥宴。同時我們進一步可以將Deaths以及DALY融合在一張圖中，我們可以先做一個風(fēng)險因素看下
同樣您觉，我們設(shè)置路徑拙寡，讀取數(shù)據(jù)
接著，我們獲取BMI對Deaths以及DALY的影響占比
然后我們用ggplot2包做柱狀圖即可
最后得到的圖形如下琳水，大家可以在AI里調(diào)整相應(yīng)的圖例即可完成肆糕。
之后大家按照同樣的方法繪制出另外四個風(fēng)險變量的圖形，然后在AI中合并成一張圖形即可在孝。
另外我們可以采用ggplot2里的圖像分光鏡功能用risk factor將其分成5張子圖顯示诚啃。
首先我們讀取2019的所以riskfactor
接著我們作圖，只要加上facet_grid就可以做出圖形來了
得到的圖形如下：
同樣的大家只要在AI里調(diào)整圖形私沮，將每個柱形圖上面的數(shù)字左右上下調(diào)整以下就可以了始赎。
