如何在R中用ggplot2生成符合要求的Sankey/Alluvial图？

问题概述 #

我尝试用R的ggplot2包，基于含x、node、next_x、next_node列的CSV数据绘制Sankey/Alluvial图以展示节点流向，要求排除next_x为NA的流。但现有代码运行时出现dplyr::mutate()的NA转换警告，生成的图仅显示节点，流向连接要么缺失要么错误，调整后仍有问题，推测是行顺序导致的。另外我还有包含物种、基因、起止位置和方向的原始基因邻居数据集，需要解决以下核心问题：

• 基于node和next_node创建正确的流向图
• 排除next_x为NA的流
• 消除dplyr::mutate()的NA警告
• 解决绘图不完整、流向连接错误的问题

解决方案 #

1. 数据预处理（根治NA警告+过滤无效流） #

先彻底过滤无效数据，统一数据类型，从根源消除NA警告：

library(tidyverse)
library(ggalluvial) # 适配ggplot2的Alluvial专用包

# 读取并清洗数据
df <- read.csv("your_data.csv") %>%
  # 直接移除next_x为NA的行，避免后续处理产生NA
  filter(!is.na(next_x)) %>%
  # 将node和next_node转为因子，统一类型，消除mutate时的类型转换警告
  mutate(across(c(node, next_node), as.factor)) %>%
  # 按node和next_node排序，解决行顺序导致的流向错乱
  arrange(node, next_node)

2. 转换为Alluvial图标准格式 #

Alluvial图需要长格式数据，将x和next_x作为两个阶段，匹配对应的节点并统计流向频次：

alluvial_data <- df %>%
  # 为每行添加计数（若原始数据无频次列）
  mutate(count = 1) %>%
  # 重塑数据：拆分阶段与对应节点
  pivot_longer(
    cols = c(x, next_x),
    names_to = "stage_type",
    values_to = "stage_position"
  ) %>%
  # 匹配每个阶段对应的节点类别
  mutate(
    node_category = case_when(
      stage_type == "x" ~ as.character(node),
      stage_type == "next_x" ~ as.character(next_node)
    ),
    stage_position = as.numeric(stage_position) # 确保阶段位置为数值型
  ) %>%
  # 按阶段、节点统计总流向数
  group_by(stage_position, node_category) %>%
  summarise(total_flow = sum(count), .groups = "drop")

3. 绘制正确的Alluvial流向图 #

用ggalluvial包绘制，它会自动处理流向连接逻辑，避免手动处理的错误：

ggplot(alluvial_data,
       aes(
         x = stage_position,
         stratum = node_category,
         alluvium = total_flow,
         y = total_flow,
         fill = node_category
       )) +
  # 绘制流向带
  geom_alluvium(width = 1/10, alpha = 0.7) +
  # 绘制节点区块
  geom_stratum(width = 1/10, color = "black") +
  # 添加节点标签
  geom_text(stat = "stratum", aes(label = node_category), size = 3.5) +
  # 图表美化
  labs(
    x = "阶段位置",
    y = "流向数量",
    title = "基因-物种流向可视化",
    fill = "节点类别"
  ) +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))

4. 额外排查点 #

如果流向仍有错误，检查：

• 原始数据中是否存在同一node对应多个next_node但未统计频次的情况，确保total_flow统计正确
• 确认stage_position是连续/有序的数值，避免阶段顺序混乱

内容的提问来源于stack exchange，提问作者Rohan Nath