如何正确转换DataFrame为矩阵并生成弦图所需格式数据？

一、正确构建带类别层级的频次矩阵 #

如果你的原始数据是长格式（每行对应一个T细胞受体配对，包含TRAV和TRBV列），先将这两列转为因子类型（锁定所有原始类别，包括频次为0的），再用xtabs生成矩阵：

# 转换为因子，保留所有原始类别，避免层级丢失
tcr_data$TRAV <- factor(tcr_data$TRAV, levels = unique(tcr_data$TRAV))
tcr_data$TRBV <- factor(tcr_data$TRBV, levels = unique(tcr_data$TRBV))

# 生成带类别标签的频次矩阵
pair_matrix <- xtabs(~ TRAV + TRBV, data = tcr_data)

此时pair_matrix的行名对应所有TRAV类别，列名对应所有TRBV类别，完整保留了层级信息。

二、转换为circlize所需的DataFrame格式 #

将矩阵转换为包含from、to、value三列的DataFrame，推荐两种工具实现：

方法1：用reshape2::melt

library(reshape2)
# 矩阵转长格式DataFrame
pair_df <- melt(pair_matrix, value.name = "value")
# 重命名列名匹配circlize要求
colnames(pair_df) <- c("from", "to", "value")
# 可选：过滤掉频次为0的行，减少冗余数据
pair_df <- pair_df[pair_df$value > 0, ]

方法2：用tidyr::pivot_longer

library(tidyr)
pair_df <- as.data.frame(pair_matrix) %>%
  pivot_longer(cols = -TRAV, names_to = "to", values_to = "value") %>%
  rename(from = TRAV) %>%
  filter(value > 0)

三、直接处理带频次的原始数据 #

如果你的原始数据已经包含频次列（比如每行是TRAV、TRBV、count），无需生成矩阵，直接整理格式即可：

pair_df <- raw_data %>%
  rename(from = TRAV, to = TRBV, value = count) %>%
  filter(value > 0)

四、绘制弦图 #

用处理好的pair_df直接调用circlize函数：

library(circlize)
chordDiagram(pair_df)

内容的提问来源于stack exchange，提问作者Zoya Qaiyum