lifelines

Vue d'ensemble

Lifelines est une bibliothèque d'analyse de survie pour Python. Elle implémente Kaplan-Meier, le modèle de risque proportionnel de Cox, les modèles paramétriques (Weibull, Log-Normal) et le modèle additif d'Aalen. Utilisez-la pour les données de délai jusqu'à événement dans les essais cliniques, l'analyse de churn, l'ingénierie de fiabilité et les études de rétention clientèle.

Installation

uv pip install lifelines

Estimateur de Kaplan-Meier

from lifelines import KaplanMeierFitter
import pandas as pd

T = pd.Series([5, 10, 15, 20, 25, 30])  # durations
E = pd.Series([1, 1, 0, 1, 0, 0])       # event observed?

kmf = KaplanMeierFitter()
kmf.fit(T, E)
kmf.plot_survival_function()
print(kmf.median_survival_time_)

Modèle de risque proportionnel de Cox

from lifelines import CoxPHFitter

df = pd.DataFrame({
    "duration": [5, 10, 15, 20, 25, 30],
    "event": [1, 1, 0, 1, 0, 0],
    "age": [45, 60, 55, 70, 50, 65],
    "treatment": [1, 0, 1, 0, 1, 0],
})

cph = CoxPHFitter()
cph.fit(df, duration_col="duration", event_col="event")
cph.print_summary()
cph.plot_partial_effects_on_outcome("treatment", [0, 1])

Modèle paramétrique Weibull

from lifelines import WeibullAFTFitter

wbf = WeibullAFTFitter()
wbf.fit(df, duration_col="duration", event_col="event")
wbf.print_summary()

Références

• Documentation Lifelines
• Introduction à l'analyse de survie