如何使用冲积图（或桑基图）使用 R 显示类别随时间的变化

Posted 2023-02-16

【中文标题】如何使用冲积图（或桑基图）使用 R 显示类别随时间的变化

【英文标题】：How to use an Alluvial Plot (or Sankey diagram) to show change of categories over time using R

【发布时间】：2021-12-12 08:51:47

【问题描述】：

我正在尝试使用冲积图（桑基图）来显示不同类别在两个时间段内的变化。当所有因子水平都在两个时间段（前后）中表示时，我能够创建一个对我有意义的图，但是根据我的数据，在更改因子的顺序后，该图看起来很奇怪。我还想为两个时间段的类别显示相同的填充颜色，但只能更改第一个时间段（前）。 当我绘制绘图时，我注意到我为每个因子水平指定的颜色并不是我想要的颜色，尽管框/层的顺序是正确的。

当类别在两个时间段内没有完全代表时，任何关于如何改进情节以及如何克服从两组中对因子水平进行排序的问题的任何帮助或建议都会非常有帮助。

代码如下：

    db <- read.table(text = "pre    post    freq
NE  NE  0
NE  DD  2
NE  LC  5
NE  NT  2
NE  VU  3
NE  EN  5
NE  CR  1
DD  NE  0
DD  DD  3
DD  LC  37
DD  NT  10
DD  VU  14
DD  EN  3
DD  CR  3
LC  NE  0
LC  DD  0
LC  LC  18
LC  NT  2
LC  VU  1
LC  EN  2
LC  CR  0
NT  NE  0
NT  DD  1
NT  LC  3
NT  NT  8
NT  VU  13
NT  EN  5
NT  CR  1
VU  NE  0
VU  DD  0
VU  LC  1
VU  NT  0
VU  VU  7
VU  EN  8
VU  CR  3
EN  NE  0
EN  DD  0
EN  LC  0
EN  NT  0
EN  VU  0
EN  EN  0
EN  CR  2
CR  NE  0
CR  DD  0
CR  LC  1
CR  NT  0
CR  VU  0
CR  EN  0
CR  CR  2
", header=T)

head(db)


# Order factor levels
levels(db$pre) <- c("NE", "DD", "LC", "NT", "VU", "EN", "CR")
levels(db$post) <- c("NE", "DD", "LC", "NT", "VU", "EN", "CR")

# Set colors for the plot
colors.p <- c("#282828", "#7C7C7C", "#20AB5F", "#3EFF00", 
              "#FBFF00", "#FFBD00", "#FF0C00")

# Plot
p <- ggplot(db,
            aes(y = freq, axis1 = pre, 
                axis2 = post)) +
  geom_alluvium(aes(fill = pre), show.legend = FALSE) +
  geom_stratum(aes(fill = pre), color = "black", alpha = 0.5) +
  geom_label(stat = "stratum", aes(label = after_stat(stratum))) +
  scale_x_discrete(limits = c("previous", "current"), 
                   expand = c(0.3, 0.01)) +
  scale_fill_manual(values = colors.p) +
  theme_void() +
  theme(
    panel.background = element_blank(),
    axis.text.y = element_blank(),
    axis.text.x = element_text(size = 15, face = "bold"),
    axis.title = element_blank(),
    axis.ticks = element_blank(),
    legend.position = "none"
  )

p  

【参考方案1】：

我试了一下我更熟悉的不同包 (ggsankey)。我还从每个时间点中删除了一个类别，以说明因素重新排序并且这是可能的。 这能解决您的问题吗？如果没有，请说明您仍然缺少什么。

library(tidyverse)
library(ggsankey)

db <- data.frame(pre = rep(c("DD", "LC", "NT",
                             "VU", "EN", "CR"), each = 6),
                 post = rep(c("DD", "LC", "NT",
                              "VU", "EN", "CR"), times = 6),
                 freq = rep(sample(seq(0:20), 6), 6))
db %>% 
  uncount(freq) %>%
  filter(pre != "DD", post != "NT") %>%
  make_long(pre, post) %>%
  mutate(node = fct_relevel(node, "LC", "NT", "VU", "EN", "CR"), 
         next_node = fct_relevel(next_node, "DD", "LC", "VU", "EN", "CR")) %>%
  ggplot(aes(x = x, 
             next_x = next_x, 
             node = node, 
             next_node = next_node,
             fill = factor(node))) +
  geom_alluvial() +
  scale_fill_manual(values = c("DD" = "#7C7C7C", "LC" = "#20AB5F", "NT" = "#3EFF00", "VU" = "#FBFF00", "EN" = "#FFBD00", "CR" = "#FF0C00"))

编辑：对于您的新数据，我之前发布的方法仍然有效。您需要在前时间点的因子重新调平中添加附加级别（“NE”）并作为新颜色（本示例中为蓝色）。您对这些数据有什么错误？

library(tidyverse)
library(ggsankey)

db <- read.table(text = "pre    post    freq
NE  NE  0
NE  DD  2
NE  LC  5
NE  NT  2
NE  VU  3
NE  EN  5
NE  CR  1
DD  NE  0
DD  DD  3
DD  LC  37
DD  NT  10
DD  VU  14
DD  EN  3
DD  CR  3
LC  NE  0
LC  DD  0
LC  LC  18
LC  NT  2
LC  VU  1
LC  EN  2
LC  CR  0
NT  NE  0
NT  DD  1
NT  LC  3
NT  NT  8
NT  VU  13
NT  EN  5
NT  CR  1
VU  NE  0
VU  DD  0
VU  LC  1
VU  NT  0
VU  VU  7
VU  EN  8
VU  CR  3
EN  NE  0
EN  DD  0
EN  LC  0
EN  NT  0
EN  VU  0
EN  EN  0
EN  CR  2
CR  NE  0
CR  DD  0
CR  LC  1
CR  NT  0
CR  VU  0
CR  EN  0
CR  CR  2
", header=T)
db %>% 
  uncount(freq) %>%
  make_long(pre, post) %>%
  mutate(node = fct_relevel(node,"DD", "LC", "NT","NE", "VU", "EN", "CR"), 
         next_node = fct_relevel(next_node, "DD", "LC", "NT", "VU", "EN", "CR")) %>%
  ggplot(aes(x = x, 
             next_x = next_x, 
             node = node, 
             next_node = next_node,
             fill = factor(node))) +
  geom_alluvial() +
  scale_fill_manual(values = c("DD" = "#7C7C7C", "LC" = "#20AB5F", "NT" = "#3EFF00", "VU" = "#FBFF00", "EN" = "#FFBD00", "CR" = "#FF0C00", "NE" ="blue"))

【讨论】：

谢谢。它正在工作，但在我合并您删除的缺失级别以及添加原始帖子中未显示的额外级别后仍会产生警告消息。 （警告信息：mutate() 输入有问题 next_node。ℹf 中的未知级别：NE ℹ 输入 next_node 是 fct_relevel(next_node, "NE", "DD", "LC", "VU", "EN", "CR")。）。我也想删除图例，但用标签标识图表中的每个级别，我对这个包不太熟悉。

根据哪些级别在哪些时间点可用，您必须将fct_relevel() 调用调整为节点（前）或下一个节点（后）中发生的级别。在我的示例中，我从前时间点中删除了“DD”，从后时间点中删除了“NT”。因此，在各个时间点的fct_reorder() 调用中也缺少这些因素。您是否根据添加回来的因子水平调整了因子重新排序？

我只是编辑代码以反映我的数据集遇到的问题。我不确定问题是否是因为某些时间段组合为零。当我尝试使用 tidyverse 方法时，我也一直出错。

同样的方法仍然适用于您的新数据。我编辑了我的答案。你遇到了什么错误？

我收到此错误，但还没有绘图：错误：n() 只能在 dplyr 动词中使用。