画一个好看的桑基图？

关注公众号，发送R语言，获取学习资料！

今天学习下桑基图的画法，对于多个有上下游关系或者从属关系的数据来说，桑基图是很好的表现形式。在我的日常工作中，我会把中药以及它们的四气五味等性质用这种图形表现出来，一些生信数据也会用到这种表现形式。

加载R包和数据

library(tidyverse)

## -- Attaching packages ----------------------------- tidyverse 1.3.1 --

## v ggplot2 3.3.5     v purrr   0.3.4
## v tibble  3.1.6     v dplyr   1.0.8
## v tidyr   1.2.0     v stringr 1.4.0
## v readr   2.0.1     v forcats 0.5.1

## -- Conflicts -------------------------------- tidyverse_conflicts() --
## x dplyr::filter() masks stats::filter()
## x dplyr::lag()    masks stats::lag()

library(ggalluvial)

“

这是一份有关巧克力进口国、出口国信息的数据。数据来自于Flavors of Cacao by way of Georgios and Kelsey。一共10列，2530行。

chocolate <- readRDS("chocolate.rds")

glimpse(chocolate)

## Rows: 2,530
## Columns: 10
## $ ref                              <dbl> 2454, 2458, 2454, 2542, 2546, 2546, 2~
## $ company_manufacturer             <chr> "5150", "5150", "5150", "5150", "5150~
## $ company_location                 <chr> "U.S.A.", "U.S.A.", "U.S.A.", "U.S.A.~
## $ review_date                      <dbl> 2019, 2019, 2019, 2021, 2021, 2021, 2~
## $ country_of_bean_origin           <chr> "Tanzania", "Dominican Republic", "Ma~
## $ specific_bean_origin_or_bar_name <chr> "Kokoa Kamili, batch 1", "Zorzal, bat~
## $ cocoa_percent                    <chr> "76%", "76%", "76%", "68%", "72%", "8~
## $ ingredients                      <chr> "3- B,S,C", "3- B,S,C", "3- B,S,C", "~
## $ most_memorable_characteristics   <chr> "rich cocoa, fatty, bready", "cocoa, ~
## $ rating                           <dbl> 3.25, 3.50, 3.75, 3.00, 3.00, 3.25, 3~

数据处理

数就是图，图就是数，想要好看的图，就要先准备好看的数据。数据真的非常重要。

# 计算出口国的数量
ranking_exports <- chocolate %>% 
  count(country_of_bean_origin) %>% 
  filter(country_of_bean_origin!="Blend") %>% 
  arrange(-n) %>% 
  top_n(5)

## Selecting by n

top_exports <- ranking_exports$country_of_bean_origin

# 计算进口国的数量
ranking_imports <- chocolate %>% 
  count(company_location) %>% 
  arrange(-n) %>% 
  top_n(5)

## Selecting by n

top_imports <- ranking_imports$company_location

# 计算生产商的数量
ranking_manu <- chocolate %>% 
  count(company_manufacturer) %>% 
  arrange(-n) %>% 
  top_n(10)

## Selecting by n

top_manu <- ranking_manu$company_manufacturer

# 筛选合适的数据
top_choco <- chocolate %>% 
  filter(company_location %in% top_imports) %>% 
  filter(country_of_bean_origin%in%top_exports) %>%
  filter(company_manufacturer%in%top_manu) %>% 
  count(company_manufacturer,country_of_bean_origin, company_location) %>% 
  mutate(origin = "origin") %>% 
  rename(total = "n")

top_choco

## # A tibble: 44 x 5
##    company_manufacturer country_of_bean_origin company_location total origin
##    <chr>                <chr>                  <chr>            <int> <chr> 
##  1 A. Morin             Ecuador                France               1 origin
##  2 A. Morin             Madagascar             France               1 origin
##  3 A. Morin             Peru                   France               7 origin
##  4 A. Morin             Venezuela              France               5 origin
##  5 Arete                Dominican Republic     U.S.A.               2 origin
##  6 Arete                Ecuador                U.S.A.               4 origin
##  7 Arete                Madagascar             U.S.A.               1 origin
##  8 Arete                Peru                   U.S.A.               3 origin
##  9 Bonnat               Dominican Republic     France               1 origin
## 10 Bonnat               Ecuador                France               1 origin
## # ... with 34 more rows

画图

# 选择合适的颜色
color_palette  <- c("#8B9A46", 
                    "#8B9A46", 
                    "#8B9A46", 
                    "#8B9A46", 
                    "#541212", 
                    "#8B9A46",
                    "#8B9A46",
                    "#8B9A46")

下面就是画图。

plot <- ggplot() +
  geom_alluvium(data = top_choco,
               aes(axis1 = country_of_bean_origin,
                   axis2 = company_location,
                   axis3 = company_manufacturer,
                   y = total,
                   fill = country_of_bean_origin),
                curve_type = "quintic",
                width = 1/12,
                knot.pos = 0.4,
                alpha= 0.7)+
  geom_stratum(data = top_choco,
               aes(axis1 = country_of_bean_origin,
                   axis2 = company_location,
                   axis3 = company_manufacturer,
                   y = total,
                   fill = country_of_bean_origin),
               width = 1/6, color = "black", alpha=1, fill ="white",
               linetype="dotted") +
  scale_color_manual(values = color_palette) +
  scale_fill_manual(values = color_palette) + 
  scale_x_continuous(breaks = 1:3, 
                     labels = c("Origin", "Destination country", "Company"),
                     position = "bottom") + 
  geom_text(stat = "stratum",
            data = top_choco,
               aes(axis1 = country_of_bean_origin,
                   axis2 = company_location,
                   axis3 = company_manufacturer,
                   y = total,
                   label = after_stat(stratum)),
            color = "black",
            size = 3) +
  theme_minimal() +
  labs(y = "",
       x="",
       title = "可可到巧克力：从产地到店铺",
       subtitle = "巧克力的流通路径：从产地到巧克力店铺以及生产商。\n从图中可以看出，委内瑞拉是最大的原产地，主要消费国家则是美国和法国。",
       caption = "Data Source: Flavors of Cacao by way of Georgios and Kelsey."
       )+
  theme(
    legend.position = "none",
    plot.title = element_text(size = 20,
                              face = "bold"),
    plot.subtitle = element_text(size=12),
    panel.grid.major = element_blank(), 
    panel.grid.minor = element_blank(),
    axis.text.y = element_blank(),
    axis.text.x = element_text(size = 10, face="bold")
  )

以上就是今天的内容，希望对你有帮助哦！欢迎点赞、在看、关注、转发！

欢迎在评论区留言或直接添加我的微信！

---

欢迎关注公众号：医学和生信笔记

“

医学和生信笔记 公众号主要分享：1.医学小知识、肛肠科小知识；2.R语言和Python相关的数据分析、可视化、机器学习等；3.生物信息学学习资料和自己的学习笔记！

往期回顾