R数据可视化17:桑基图

感觉100年没有上，近2个月忙于毕业论文以及公众号推文，没有时间更文章。终于前几天交了论文呢，可以回来更文了。没错我只是在为我的懒惰寻找接口，今天我们来讲一下桑基图（Sankey diagram）。P.S.最近觉得有必要好好认真系统地学习一下机器学习，可能之后也会整理发个系列，书我已经买好了就差看了。

什么是桑基图(Sankey diagram)

先来给大家展示几张桑基图的图片，帮助大家迅速对桑基图建立一个直观的概念。

浮夸的桑基图：水利循环系统

文献里的桑基图：展示了克罗恩病患者的菌群变化 图片来源：https://www.biorxiv.org/content/10.1101/772483v1.full

在Wiki的介绍中，讲桑基图描述为“是一种流程图，其中箭头的宽度与流速成正比”。不过实际上桑基图可以展示很多方面的内容，包括一些动态的变化比如移民情况，还可以展示数据的具体来源等等。
虽然此类图在文章中出现的频率不高，但是有时候，尤其是在做纯生信或者生信内容占比较大的文章时，我们需要使用多样的可视化方式，不能总是使用箱型图、柱状图等，此时，不妨考虑一下桑基图。

这里举个具体的例子，下面这张桑基图展示了移民情况，显示了从一个国家（左）移居到另一个国家（右）的情况。

移民情况

从上图中，我们可以看到Europe、North America和West Asia是接受最多移民的地区。而South Asia、Latin America、Africa、East Asia是移民去其他国家最多的国家。
进一步，我们还可以了解到Europe的移民主要来自Afica、Europe、Latin America，而North America则主要来自Latin America，West Asia主要来自South Asia。
虽然我们可以用多个柱状图展示上述信息，但是可能就会十分复杂，也不好比较，而桑基图可以同时展示多个组的变化信息，毕竟支持进行不同组之间的比较。

怎么做桑基图

偷个懒，我们这次就完全基于下述链接的代码来作图：Sankey作图
用networkD3包中的sankeyNetwork功能进行绘图。

1）需要什么格式的数据
做桑基图所需要的数据有点麻烦，主要需要两类数据，一个是包括节点和数值在内的表，另一个是纯粹的节点的表。

head(data_long)
           source     target    value IDsource IDtarget
1          Africa    Africa  3.142471        0       10
2       East Asia East.Asia  1.630997        1       11
3      South Asia East.Asia  0.525881        2       11
4 South East Asia East.Asia  0.145264        3       11
5          Africa    Europe  2.107883        0       12
6       East Asia    Europe  0.601265        1       12
head(nodes)
             name
1          Africa
2       East Asia
3      South Asia
4 South East Asia
5          Europe
6   Latin America

2）如何作图

library(tidyverse)
library(viridis)
library(patchwork)
library(networkD3)


data <- read.table("https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/13_AdjacencyDirectedWeighted.csv", header=TRUE)
data_long <- data %>% 
  rownames_to_column %>% #将行名变为普通的列
  gather(key = 'key', value = 'value', -rowname) %>% #矩阵转化为作图需要的格式
  filter(value > 0) #筛选value即移民数大于0的
colnames(data_long) <- c("source", "target", "value")#改变列名
data_long$target <- paste(data_long$target, " ", sep="")#加上空格以便于区分target和source
nodes <- data.frame(name=c(as.character(data_long$source), as.character(data_long$target)) %>% unique())#制作nodes
data_long$IDsource=match(data_long$source, nodes$name)-1 
data_long$IDtarget=match(data_long$target, nodes$name)-1
ColourScal='d3.scaleOrdinal() .range(["#F7FBFF", "#DEEBF7", "#C6DBEF", "#9ECAE1" ,"#6BAED6", "#4292C6" ,"#2171B5" ,"#084594"])'

sankeyNetwork(Links = data_long, Nodes = nodes,
              Source = "IDsource", Target = "IDtarget",
              Value = "value", NodeID = "name", 
              sinksRight=FALSE, colourScale=ColourScal, nodeWidth=40, fontSize=13, nodePadding=20)

如果不导出pdf的话，可以看到实际上是一个有互动的图。比如，将鼠标放在某一条link上，这条link就会变成深灰色，所以十分适合用于在网页上展示。其实从函数介绍中也可以看出来，"Create a D3 JavaScript Sankey diagram"

其中的几个参数意义如下：
sinksRight：调整图片的位置，如果修改为T，图片会不留边，从右侧边界开始制图
nodeWidth：此图蓝色的方框的宽度
nodePadding：调整不同方框间的高度和宽度

当然，我们还可以考虑使用在线网站制图sankeymatic。

今天就分享到这里啦。

往期R数据可视化分享
R数据可视化16：哑铃图
R数据可视化15：倾斜图 Slope Graph
R数据可视化14：生存曲线图
R数据可视化13：瀑布图/突变图谱
R数据可视化12: 曼哈顿图
R数据可视化11: 相关性图
R数据可视化10: 蜜蜂图 Beeswarm
R数据可视化9: 棒棒糖图 Lollipop Chart
R数据可视化8: 金字塔图和偏差图
R数据可视化7: 气泡图 Bubble Plot
R数据可视化6: 面积图 Area Chart
R数据可视化5: 热图 Heatmap
R数据可视化4: PCA和PCoA图
R数据可视化3: 直方/条形图
R数据可视化2: 箱形图 Boxplot
R数据可视化1: 火山图