R语言转换CSV数据适配ggsankey的物种符号匹配问题

要生成ggsankey要求的包含x、node、next_x、next_node的DataFrame，核心是按物种顺序逐对匹配相邻物种的symbol，并单独处理最后一个物种的NA填充。以下是针对宽格式CSV数据的修正方案（假设你的CSV列是物种名，每行对应不同symbol的匹配关系）：

修正后的代码 #

# 读取原始CSV数据（替换为你的文件路径）
raw_data <- read.csv("your_data.csv", stringsAsFactors = FALSE)

# 获取物种列表（CSV的列名即为物种顺序）
species_order <- colnames(raw_data)

# 初始化结果数据集
sankey_df <- data.frame()

# 生成相邻物种的连接行
for (i in seq_along(species_order)[-length(species_order)]) {
  current_species <- species_order[i]
  next_species <- species_order[i + 1]
  
  # 提取当前物种和下一个物种的symbol列
  current_nodes <- raw_data[[current_species]]
  next_nodes <- raw_data[[next_species]]
  
  # 构建当前连接段的数据集
  segment_df <- data.frame(
    x = current_species,
    node = current_nodes,
    next_x = next_species,
    next_node = next_nodes,
    stringsAsFactors = FALSE
  )
  
  sankey_df <- rbind(sankey_df, segment_df)
}

# 处理最后一个物种的行（next_x和next_node设为NA）
last_species <- species_order[length(species_order)]
last_nodes <- raw_data[[last_species]]

last_segment <- data.frame(
  x = last_species,
  node = last_nodes,
  next_x = NA_character_,
  next_node = NA_character_,
  stringsAsFactors = FALSE
)

sankey_df <- rbind(sankey_df, last_segment)

关键修正点 #

1. 物种顺序匹配：直接用CSV列名作为x和next_x的物种顺序，避免手动指定导致的顺序错误
2. symbol一一对应：按行提取相邻物种的symbol列，保证node和next_node是匹配的对应关系，解决了之前匹配错误的问题
3. NA值正确设置：单独处理最后一个物种的所有行，统一将next_x和next_node设为NA_character_（字符型NA，避免类型警告），解决了最后一行NA设置混乱的问题

示例验证 #

假设你的原始CSV是：

SpeciesA,SpeciesB,SpeciesC
GeneX,GeneP,GeneM
GeneY,GeneQ,GeneN
GeneZ,GeneP,GeneO

运行代码后会生成符合要求的输出：

x   node  next_x next_node
1 SpeciesA GeneX SpeciesB    GeneP
2 SpeciesA GeneY SpeciesB    GeneQ
3 SpeciesA GeneZ SpeciesB    GeneP
4 SpeciesB GeneP SpeciesC    GeneM
5 SpeciesB GeneQ SpeciesC    GeneN
6 SpeciesB GeneP SpeciesC    GeneO
7 SpeciesC GeneM    <NA>      <NA>
8 SpeciesC GeneN    <NA>      <NA>
9 SpeciesC GeneO    <NA>      <NA>

内容的提问来源于stack exchange，提问作者Kshitij Behera