使用R的ggforce包绘制含NA值的平行桑基图遇格式问题求助

核心问题梳理 #

• 目标：绘制列节点相互平行的桑基图，替代geom_sankey默认的不对齐样式
• 痛点：无法正确格式化数据以适配geom_parallel_sets的split、value、fill参数
• 数据特征：包含三列年份数据（Earlier/Latest/Current），存在NA值

数据预处理修正 #

gather_set_data已生成x（列名）、id（行标识）、y（年份值），但需先统计每条路径的频次作为value——这是geom_parallel_sets绘制流量宽度的核心依据。

修正步骤：

1. 将NA替换为统一标识，避免路径断裂
2. 统计每条完整路径的出现次数，作为流量值

library(ggplot2)
library(ggforce)
library(dplyr)

# 原始数据创建与预处理
Years <- data.frame(
  Earlier = c(rep(2012, 2), 2013, 2014, rep(2015, 2), rep(2018, 2), rep(2022, 2), rep(NA, 31)),
  Latest = c(rep(2023, 4), rep(2022, 6), rep(2021, 10), rep(2020, 3), rep(2019, 6), rep(2018, 3), rep(2017, 3), rep(2013, 4), rep(NA, 2)),
  Current = c(rep(2023, 10), rep(2022, 12), rep(2021, 11), rep(2020, 1), rep(NA, 7))
) %>% 
  # 替换NA为统一标识，避免路径丢失
  mutate(across(everything(), ~ifelse(is.na(.), "缺失", .))) %>% 
  # 统计每条路径的频次
  count(Earlier, Latest, Current, name = "value")

# 转换为ggforce所需格式
Years2 <- gather_set_data(Years, 1:3)

正确参数配置与绘图代码 #

• split：对应转换后的y列（节点类别：年份或缺失）
• value：对应统计得到的路径频次value，控制桑基条宽度
• fill：按年份（y）设置独特颜色，契合需求

完整绘图代码：

aw <- 0.1
sp <- 0.1

ggplot(Years2, aes(x = x, id = id, split = y, value = value)) +
  # 绘制桑基流，按年份填充颜色
  geom_parallel_sets(aes(fill = y), alpha = 0.6, axis.width = aw, sep = sp) +
  # 绘制平行节点轴
  geom_parallel_sets_axes(axis.width = aw, sep = sp, fill = "gray90", color = "black") +
  # 绘制节点标签（年份）
  geom_parallel_sets_labels(aes(label = y), colour = "black", angle = 0, size = 3,
                            axis.width = aw, sep = sp) +
  # 修改轴标签为原始列名
  scale_x_discrete(labels = c("Earlier", "Latest", "Current")) +
  # 设置颜色主题，可自定义
  scale_fill_viridis_d(option = "plasma", name = "年份") +
  theme_minimal() +
  theme(
    axis.title.x = element_blank(),
    legend.position = "bottom"
  )

关键说明 #

1. NA值处理：必须将NA替换为统一类别，否则gather_set_data会忽略对应行，导致路径不完整
2. value参数：geom_parallel_sets依赖流量值计算条宽，直接用原始行数据会让每条路径权重相同，无法体现真实分布
3. 节点对齐：geom_parallel_sets默认会让同列节点平行排列，数据格式正确即可实现目标效果

内容的提问来源于stack exchange，提问作者Purrsia