如何在R中将分类学宽数据框转换为层次化数据结构？

针对你的需求，我们可以通过层级计数汇总+行重复的方式，高效将宽格式分类数据转换为hiervis桑基图所需的name-parent结构，同时适配4万+条观测的大样本场景。

核心思路 #

目标结构的本质是：每个分类节点的重复行数等于其所有下游子节点的计数总和。比如顶层的Animalia重复5次（对应下属Felidae的2条+Canidae的3条），底层的Felidae重复2次（对应原始计数）。我们从最底层到顶层逐级汇总计数，再构建父子关系，最后按计数重复行即可。

完整代码实现 #

# 加载依赖包
library(dplyr)
library(tidyr)
library(hiervis)

# 1. 定义原始数据（替换为你的真实数据）
wide_df <- data.frame(
  kingdom = c("Animalia", "Animalia", "Plantae", "Plantae"),
  phylum = c("Chordata", "Chordata", "Angiosperms", "Angiosperms"),
  class = c("Mammalia", "Mammalia", "Dicotyledons", "Dicotyledons"),
  order = c("Carnivora", "Carnivora", "Rosales", "Solanales"),
  family = c("Felidae", "Canidae", "Rosaceae", "Solanaceae"),
  count = c(2, 3, 1, 4)
)

# 2. 指定分类层级顺序（按从顶层到底层的顺序）
taxon_levels <- c("kingdom", "phylum", "class", "order", "family")

# 3. 逐级计算每个分类节点的总计数
level_counts <- list()
for (i in length(taxon_levels):1) {
  current_level <- taxon_levels[i]
  if (i == length(taxon_levels)) {
    # 最底层直接使用原始计数
    level_counts[[current_level]] <- wide_df %>%
      select(all_of(current_level), count) %>%
      rename(name = all_of(current_level))
  } else {
    # 上层节点的计数 = 所有下属子节点的计数之和
    child_level <- taxon_levels[i+1]
    level_counts[[current_level]] <- wide_df %>%
      select(all_of(c(taxon_levels[1:i], "count"))) %>%
      group_by(across(all_of(taxon_levels[1:i]))) %>%
      summarise(count = sum(count), .groups = "drop") %>%
      select(all_of(current_level), count) %>%
      rename(name = all_of(current_level)) %>%
      distinct()
  }
}

# 4. 为每个节点添加父节点信息
hierarchical_list <- list()
for (i in 1:length(taxon_levels)) {
  current_level <- taxon_levels[i]
  if (i == 1) {
    # 顶层节点无父节点，设为NA
    hierarchical_list[[current_level]] <- level_counts[[current_level]] %>%
      mutate(parent = NA_character_)
  } else {
    # 关联当前节点与父节点的对应关系
    parent_level <- taxon_levels[i-1]
    parent_map <- wide_df %>%
      select(all_of(c(parent_level, current_level))) %>%
      distinct()
    
    hierarchical_list[[current_level]] <- level_counts[[current_level]] %>%
      left_join(parent_map, by = c("name" = current_level)) %>%
      rename(parent = all_of(parent_level)) %>%
      select(name, parent, count)
  }
}

# 5. 合并数据并按计数重复行，得到最终格式
hierarchical_df <- bind_rows(hierarchical_list) %>%
  uncount(count) %>%
  select(name, parent)

# 6. 用hiervis绘制桑基图
hiervis(hierarchical_df, type = "sankey")

关键优势 #

• 采用向量化操作而非逐行循环，处理4万+条数据时效率更高；
• 自动适配任意数量的分类层级，只需调整taxon_levels即可；
• 去重步骤避免了同一分类节点的重复计算，保证结果准确性。

内容的提问来源于stack exchange，提问作者Bradley Allf