R语言绘制跨时间点CTaa功能簇迁移Alluvial/Sankey图的问题求助

你的问题出在数据整理阶段：使用pivot_wider后，仅在单个时间点存在的CTaa会在另一时间点列生成NA值，这些NA被当作有效分组，最终在绘图时形成额外的NA层。以下是两种解决思路，推荐第一种更简洁的长格式数据绘图方法：

方法一：使用长格式数据直接绘图（推荐） #

无需将时间点转成宽格式，直接基于原始长格式数据统计频数后绘图，天然避免NA值的产生：

# 加载依赖包
library(tidyverse)
library(ggalluvial)

# 统计各分组的频数（如果你的count字段是单样本计数，用n()替代sum(count)）
cd4_surv_summary <- cd4.surv.meta %>%
  group_by(CTaa, timepoint, functional.cluster, lks) %>%
  summarise(freq = sum(count), .groups = "drop")

# 绘制Alluvial图
ggplot(cd4_surv_summary,
       aes(y = freq, axis = timepoint, stratum = functional.cluster, fill = CTaa)) +
  # 用CTaa作为连接标识，展示细胞类型在不同时间点功能簇的迁移
  geom_alluvium(aes(connect = CTaa)) +
  # 绘制各时间点的功能簇层
  geom_stratum() +
  # 添加层的标签
  geom_text(stat = "stratum", aes(label = after_stat(stratum))) +
  # 按lks分面
  facet_wrap(~lks) +
  # 隐藏图例（按需调整）
  theme(legend.position = "none") +
  # 指定时间点的显示顺序
  scale_x_discrete(limits = c("Diagnosis", "Timepoint1"))

方法二：修复宽格式数据的NA问题 #

如果坚持使用宽格式数据，需要在绘图时过滤掉NA对应的层和连接：

library(tidyverse)
library(ggalluvial)

# 保留至少一个时间点有有效功能簇的行
filtered_data <- cd4.surv.meta %>%
  filter(!is.na(Diagnosis) | !is.na(Timepoint1))

ggplot(filtered_data,
       aes(axis1 = Diagnosis, axis2 = Timepoint1, y=freq)) +
  # 过滤掉连接到NA的带状
  geom_alluvium(aes(fill=CTaa), 
                filter = function(d) !is.na(d$x) & !is.na(d$xend)) +
  # 分别绘制两个轴的层，过滤NA
  geom_stratum(data = filtered_data %>% filter(!is.na(Diagnosis)), aes(axis = Diagnosis)) +
  geom_stratum(data = filtered_data %>% filter(!is.na(Timepoint1)), aes(axis = Timepoint1)) +
  # 过滤NA的标签
  geom_text(stat = "stratum", aes(label = after_stat(stratum)),
            filter = function(d) !is.na(d$stratum)) +
  facet_wrap(~lks) +
  theme(legend.position = "none")

说明 #

• 方法一利用长格式数据的特性，每个时间点的功能簇独立统计，不会生成NA，是更符合Alluvial图数据逻辑的做法。
• 方法二则通过过滤NA值，避免无效的层和连接被绘制，但代码相对繁琐。

内容的提问来源于stack exchange，提问作者Alfredo Marchetti