r - R中的桑基图 - 数据准备

Question

我有以下数据框，其中每个患者都是一行(我只显示了其中的一个样本):

df = structure(list(firstY = c("N/A", "1", "3a", "3a", "3b", "1", 
"2", "1", "5", "3b"), secondY = c("N/A", "1", "2", "3a", "4", 
"1", "N/A", "1", "5", "3b"), ThirdY = c("N/A", "1", "N/A", "3b", 
"4", "1", "N/A", "1", "N/A", "3b"), FourthY = c("N/A", "1", "N/A", 
"3a", "4", "1", "N/A", "1", "N/A", "3a"), FifthY = c("N/A", "1", 
"N/A", "2", "5", "1", "N/A", "N/A", "N/A", "3b")), class = c("tbl_df", 
"tbl", "data.frame"), row.names = c(NA, -10L))

我想绘制一个 Sankey 图，它显示了每个患者随时间推移的轨迹，我知道我必须创建节点和链接，但是我在将数据转换为完成此操作所需的格式时遇到了问题。具体来说，最有问题的问题是计算每个轨迹有多少患者，例如，从第 1 阶段到第 2 阶段的第一年有多少患者，以及所有其他组合。

任何有关数据准备的帮助将不胜感激。

Alluvial 包虽然简单易懂，但在有大量数据的情况下并不能很好地处理。

Answer 1

不太清楚您想要实现什么，因为您没有提到您想要使用的包，但是查看您的数据，如果您可以使用 alluvial，这似乎会有所帮助。包裹:

library(alluvial) # sankey plots
library(dplyr)    # data manipulation

alluvial函数可以使用像你这样的广泛形式的数据，但它需要一个频率列，所以我们可以创建它，然后做图:

dats_all <- df %>%                                                   # data
            group_by( firstY, secondY, ThirdY, FourthY, FifthY) %>%  # group them
            summarise(Freq = n())                                    # add frequencies

 # now plot it
alluvial( dats_all[,1:5], freq=dats_all$Freq, border=NA )

另一方面，如果你想使用一个特定的包，你应该指定哪个。

编辑

使用 network3D 有点棘手，但您可以从中获得一些不错的结果。您需要链接和节点，并使它们匹配，因此首先我们可以创建链接:

# put your df in two columns, and preserve the ordering in many levels (columns) with paste0
links <- data.frame(source = c(paste0(df$firstY,'_1'),paste0(df$secondY,'_2'),paste0(df$ThirdY,'_3'),paste0(df$FourthY,'_4')),
                  target   = c(paste0(df$secondY,'_2'),paste0(df$ThirdY,'_3'),paste0(df$FourthY,'_4'),paste0(df$FifthY,'_5')))

# now convert as character
links$source <- as.character(links$source)
links$target<- as.character(links$target)

现在节点是 unique() 中链接中的每个元素道路:

nodes <- data.frame(name = unique(c(links$source, links$target)))

现在我们需要每个节点都有一个链接(反之亦然)，所以我们匹配它们并在数字上进行转换。注意最后的-1，因为networkD3是0个索引，这意味着数字(索引)从0开始。

links$source <- match(links$source, nodes$name) - 1
links$target <- match(links$target, nodes$name) - 1
links$value <- 1 # add also a value

现在你应该准备好绘制你的桑基了:

sankeyNetwork(Links = links, Nodes = nodes, Source = 'source',
              Target = 'target', Value = 'value', NodeID = 'name')