📘
R语言ChatGPT提示词大全
以下汇总了医学研究中常用的R语言提示词，涵盖数据处理、统计分析、可视化、机器学习等多个场景。直接复制使用，让AI成为你的R编程助手。
🗂️ 按场景分类的提示词
📂 数据处理
数据导入
Prompt:
请帮我编写R代码读取以下数据：
1. Excel文件（.xlsx格式）
2. CSV文件（UTF-8编码）
3. SAS数据集（.sas7bdat格式）
文件路径：./input/data.xlsx
要求：检查数据导入是否成功，显示前5行和列名数据清洗
Prompt:
我有以下数据清洗需求：
1. 删除所有列全部为NA的行
2. 将"年龄"列中的负值替换为NA
3. 将"性别"列的值标准化为"Male"/"Female"
4. 检测并标记异常值（超出3倍标准差）
5. 输出清洗报告（清洗前后的行数对比）数据合并
Prompt:
我有两个数据集：
1. baseline_data：包含患者基线信息（patient_id, age, gender）
2. followup_data：包含随访数据（patient_id, visit_date, outcome）
请按patient_id进行左连接，保留所有基线信息
要求：只保留随访数据中存在的患者📊 统计分析
Table 1 基线特征表
Prompt:
请帮我生成Table 1（基线特征表）的R代码：
数据集：clinical_data
分组变量：treatment_group（Treatment vs Control）
要求：
1. 连续变量：Mean±SD（正态）或Median(IQR)（非正态）
2. 分类变量：n(%)
3. 组间比较：t检验/Wilcoxon/卡方/Fisher精确检验
4. 整理为可发布的三线表格式
使用包：tableone或 CreateTableOne回归模型
Prompt:
请帮我构建以下回归模型：
结局变量：mortality（二分类）
自变量：age, gender, bmi, sbp, dbp, diabetes
要求：
1. 单变量回归（每个自变量单独）
2. 多变量回归（调整所有变量）
3. 计算OR值和95%置信区间
4. 提取P值并格式化（<0.001显示为"<0.001"）
5. 输出为Forest Plot生存分析
Prompt:
请编写生存分析的R代码：
数据包含：time_to_event（天）, event（1=死亡, 0=存活）, treatment
要求：
1. 绘制KM生存曲线（按treatment分组）
2. Log-rank检验
3. Cox比例风险模型（单变量和多变量）
4. 检验比例风险假设
5. 输出HR值和95%CI的Forest Plot📈 数据可视化
散点图+回归线
Prompt:
请绘制散点图：
X轴：age
Y轴：sbp（收缩压）
要求：
1. 添加线性回归线
2. 添加95%置信区间
3. 按gender分组用不同颜色
4. 添加相关性系数和P值
5. 使用ggplot2，风格简洁专业
6. 中文标题和轴标签箱线图
Prompt:
请绘制箱线图比较不同组别的BMI：
分组：treatment_group
Y轴：bmi
要求：
1. 显示散点（jitter）
2. 添加P值注释
3. 使用发表级配色
4. 标注样本量
5. 使用ggplot2热图
Prompt>
请绘制相关性矩阵热图：
数据：correlation_matrix（已计算好的相关系数）
要求：
1. 使用pheatmap包
2. 显示相关系数数值
3. 用星号标注显著性（*p<0.05, **p<0.01, ***p<0.001）
4. 使用颜色渐变（蓝-白-红）
5. 添加聚类树状图🤖 机器学习
LASSO回归
Prompt:
请编写LASSO回归的R代码进行变量筛选：
数据：predictors_X（20个候选变量）, outcome_Y
要求：
1. 使用glmnet包
2. 交叉验证选择最优λ
3. 绘制系数路径图
4. 输出被选中的变量
5. 在测试集上评估模型性能（AUC）随机森林
Prompt:
请编写随机森林分类的R代码：
结局：binary_outcome
predictors：15个变量
要求：
1. 使用randomForest包
2. 设置随机种子确保可复现
3. 计算变量重要性
4. 绘制重要性排序图
5. 在测试集上评估（混淆矩阵、AUC）📄 报告生成
R Markdown报告
Prompt:
请帮我创建一个R Markdown模板：
用途：临床试验数据分析报告
要求：
1. 包含：摘要、方法、结果、讨论
2. 自动生成表格和图表
3. 内嵌R代码和输出
4. 输出为HTML和PDF两种格式
5. 使用prettydoc主题（cayman）表格格式化
Prompt:
请将回归结果格式化为发表级表格：
数据：cox_model_summary
要求：
1. 变量名称缩写（如：age_gendr → Age/Gender）
2. HR值保留2位小数
3. 95%CI格式：(1.23 to 4.56)
4. P值格式化（<0.001显示为"<0.001"）
5. 使用kable或gt包输出
6. 添加表格标题和注释🔧 常用R包提示词
数据处理
- dplyr: 数据操作（filter, select, mutate）
- tidyr: 数据整理（pivot, separate）
- data.table: 大数据处理
- haven: 读取SAS/STATA数据
统计分析
- survival: 生存分析
- survminer: 生存曲线可视化
- tableone: Table 1生成
- finalfit: 回归模型表格
可视化
- ggplot2: 图形语法
- cowplot: 图形组合
- patchwork: 多图拼接
- pheatmap: 热图
报告生成
- knitr: R报告引擎
- kableExtra: 美化表格
- gt: 声明式表格
- officer: 生成Word文档
💡 提示词使用技巧
- 明确目标：告诉AI你想实现什么，而不只是"帮我写代码"
- 提供上下文：说明数据结构和变量类型
- 指定包：如果偏好某个R包，明确说明
- 要求注释：让AI添加详细注释，便于理解
- 分步骤：复杂任务拆分成多个小问题
- 验证结果：AI代码可能出错，务必验证输出