使用ggalluvial绘制桑基图报错：数据非可识别冲积格式

错误原因分析 #

你的核心问题在于数据处理流程冗余且格式转换错误：

• 原始数据已经是ggalluvial要求的「lodes格式」（每行对应一个学生的单年度成绩分位数），无需额外用to_lodes_form()转换
• group_by()+summarise()生成的Freq列反而破坏了数据结构，导致geom_flow()无法识别合法的冲积层数据

修正后的代码（两种可选方案） #

方案1：直接用原始长数据绘图（推荐）

library(ggplot2)
library(ggalluvial)
library(dplyr)

# 数据加载
data <- read.csv("/mydata.csv")

# 转换为有序因子（确保分位数/学年顺序正确）
data$Year <- factor(data$Year, levels = c("A1", "A2", "A3"))
data$Quintile <- factor(data$Quintile, levels = as.character(1:5))
data$Student_ID <- factor(data$Student_ID)

# 去重（确保每个学生每年只有一条记录）
data <- data %>% distinct(Student_ID, Year, .keep_all = TRUE)

# 绘制桑基图
ggplot(data, aes(x = Year, stratum = Quintile, alluvium = Student_ID, fill = Quintile)) +
  geom_flow(stat = "alluvium", lode.guidance = "rightleft", color = "darkgray") +
  geom_stratum() +
  geom_text(stat = "stratum", aes(label = after_stat(stratum))) +
  scale_x_discrete(limits = c("A1", "A2", "A3")) +
  scale_fill_viridis_d(option = "plasma") # 可选：更美观的分位数配色
  theme_minimal() +
  labs(title = "学生成绩分位数年度变化", 
       x = "学年", 
       y = "学生人数", 
       fill = "成绩分位数")

方案2：转换为宽格式绘图（适合关注转移频数场景）

如果需要聚焦不同分位数区间的转移人数，可以先转宽格式再统计频数：

library(ggplot2)
library(ggalluvial)
library(dplyr)
library(tidyr)

# 数据加载与预处理（同方案1）
data <- read.csv("/mydata.csv")
data$Year <- factor(data$Year, levels = c("A1", "A2", "A3"))
data$Quintile <- factor(data$Quintile, levels = as.character(1:5))
data <- data %>% distinct(Student_ID, Year, .keep_all = TRUE)

# 转换为宽格式（每列对应一个学年的分位数）
data_wide <- data %>%
  select(Student_ID, Year, Quintile) %>%
  pivot_wider(names_from = Year, values_from = Quintile)

# 统计各分位数组合的学生数
data_trans <- data_wide %>% count(A1, A2, A3, name = "Freq")

# 绘制桑基图
ggplot(data_trans, aes(y = Freq, axis1 = A1, axis2 = A2, axis3 = A3)) +
  geom_alluvium(aes(fill = A1), width = 1/12) +
  geom_stratum(width = 1/12, color = "black") +
  geom_text(stat = "stratum", aes(label = after_stat(stratum))) +
  scale_x_discrete(limits = c("A1", "A2", "A3"), expand = c(0.05, 0.05)) +
  scale_fill_brewer(palette = "Set2") +
  theme_minimal() +
  labs(title = "学生成绩分位数年度转移",
       x = "学年",
       y = "学生人数",
       fill = "初始分位数(A1)")

额外排查要点 #

1. 检查数据完整性：用data %>% group_by(Student_ID) %>% filter(n() != 3)找出缺少某年度成绩的学生，这类数据会导致冲积层连接中断
2. 确保因子顺序正确：分位数和学年必须指定levels，否则绘图会出现乱序
3. 避免重复映射：全局aes()已经包含fill=Quintile，无需在geom_flow()中重复声明

内容的提问来源于stack exchange，提问作者Augustin Gaudemer