桑基图

桑基图 (Sankey Diagram)，是一种特定类型的流图，用于描述一组值到另一组值的流向。图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机的能源效率图”而闻名，此后便以其名字命名为“桑基图”。

桑基图的特点如下：

  • 起始流量和结束流量相同，所有主支宽度的总和与所有分出去的分支宽度总和相等，保持能量的平衡
  • 在内部，不同的线条代表了不同的流量分流情况，它的宽度成比例地显示此分支占有的流量
  • 节点不同的宽度代表了特定状态下的流量大小

ggalluvial绘制桑基图

在R语言中ggalluvial是一个比较方便的可以绘制桑基图的工具，绘制出的图形可以参考下图：

  1. ## Warning: package 'ggalluvial' was built under R version 4.0.5

example alluvial plot using Titanic dataset-1.png

桑基图组成元素

根据上边的示例图，我们可以确定使用ggalluvial绘制桑基图的主要元素：

  1. 确定每个分组的轴
  2. 每个轴中对应的分组
  3. 每两个轴之间连接的线
  4. 所有分组之间线的流动

绘制图形

ggalluvial只接受两种格式的流数据(alluvial data)，与R语言中的长格式和宽格式数据相对应。可以使用is_alluvia_form()和is_lodes_form()进行检测，并且也可以使用to_lodes_form()和to_alluvia_form()将数据转化成需要的格式。

一个具体的例子如下：

  1. head(as.data.frame(UCBAdmissions), n = 12)
  1. ##       Admit Gender Dept Freq
  2. ## 1  Admitted   Male    A  512
  3. ## 2  Rejected   Male    A  313
  4. ## 3  Admitted Female    A   89
  5. ## 4  Rejected Female    A   19
  6. ## 5  Admitted   Male    B  353
  7. ## 6  Rejected   Male    B  207
  8. ## 7  Admitted Female    B   17
  9. ## 8  Rejected Female    B    8
  10. ## 9  Admitted   Male    C  120
  11. ## 10 Rejected   Male    C  205
  12. ## 11 Admitted Female    C  202
  13. ## 12 Rejected Female    C  391
  1. is_alluvia_form(as.data.frame(UCBAdmissions), axes = 1:3, silent = TRUE)
  1. ## [1] TRUE
  1. ggplot(as.data.frame(UCBAdmissions),
  2.        aes(y = Freq, axis1 = Gender, axis2 = Dept)) +
  3.   geom_alluvium(aes(fill = Admit), width = 1/12) +
  4.   geom_stratum(width = 1/12, fill = "black", color = "grey") +
  5.   geom_label(stat = "stratum", aes(label = after_stat(stratum))) +
  6.   scale_x_discrete(limits = c("Gender", "Dept"), expand = c(.05, .05)) +
  7.   scale_fill_brewer(type = "qual", palette = "Set1") +
  8.   ggtitle("UC Berkeley admissions and rejections, by sex and department")

alluvial plot of UC Berkeley admissions dataset-1.png

主要使用stat_alluvium()和stat_stratum()对线条和轴进行设置

长格式数据的转换如下所示：

  1. UCB_lodes <- to_lodes_form(as.data.frame(UCBAdmissions),
  2.                            axes = 1:3,
  3.                            id = "Cohort")
  4. head(UCB_lodes, n = 12)
  1. ##    Freq Cohort     x  stratum
  2. ## 1   512      1 Admit Admitted
  3. ## 2   313      2 Admit Rejected
  4. ## 3    89      3 Admit Admitted
  5. ## 4    19      4 Admit Rejected
  6. ## 5   353      5 Admit Admitted
  7. ## 6   207      6 Admit Rejected
  8. ## 7    17      7 Admit Admitted
  9. ## 8     8      8 Admit Rejected
  10. ## 9   120      9 Admit Admitted
  11. ## 10  205     10 Admit Rejected
  12. ## 11  202     11 Admit Admitted
  13. ## 12  391     12 Admit Rejected
  1. is_lodes_form(UCB_lodes, key = x, value = stratum, id = Cohort, silent = TRUE)
  1. ## [1] TRUE

总结

总的来说，ggalluvial对于数据格式的要求比较高，不过也提供了特定的函数进行数据格式的转换，重点是理解图形中每个要素的设置及其所代表的含义。

Reference:Alluvial Plots in ggplot2