在R中实现Sankeyplot与Barplot联动的tidyverse友好可视化需求

步骤1：加载依赖包与读取数据 #

首先加载所需的tidyverse工具包，以及用于拼接图表的cowplot：

library(tidyverse)
library(cowplot)

读取CSV格式的数据集：

df <- read_csv("a.dat")

步骤2：预处理数据 #

分别计算分类-处理方式的频次，以及处理方式-得分的频次：

# 计算每个分类对应到各处理方式的样本数
cat_treat_counts <- df %>%
  count(Category, Treatment, name = "count")

# 计算每个处理方式下各得分的出现次数，并将得分转为因子类型便于堆叠
treat_score_counts <- df %>%
  count(Treatment, Score, name = "count") %>%
  mutate(Score = as.factor(Score))

步骤3：绘制分类流向图（冲积图） #

使用ggplot2结合ggalluvial绘制从分类到处理方式的流向关系：

flow_plot <- ggplot(cat_treat_counts, aes(y = count, axis1 = Category, axis2 = Treatment)) +
  # 绘制流向带
  geom_alluvium(aes(fill = Category), width = 1/12, alpha = 0.8) +
  # 绘制分层节点
  geom_stratum(width = 1/12, fill = "white", color = "black") +
  # 添加节点标签
  geom_text(stat = "stratum", aes(label = after_stat(stratum)), size = 4) +
  # 设置坐标轴与颜色
  scale_x_discrete(limits = c("分类", "处理方式"), expand = c(0.1, 0.1)) +
  scale_fill_brewer(type = "qual", palette = "Set1") +
  # 优化主题
  theme_minimal() +
  theme(legend.position = "top", axis.title = element_blank(),
        plot.margin = margin(5, 0, 5, 5))

步骤4：绘制处理方式对应的得分堆叠条形图 #

为每个处理方式绘制堆叠条形图展示各得分的出现频次：

stacked_plot <- ggplot(treat_score_counts, aes(x = Treatment, y = count, fill = Score)) +
  # 绘制堆叠条形
  geom_col(position = "stack", width = 0.7) +
  # 添加条形内的数量标签
  geom_text(aes(label = count), position = position_stack(vjust = 0.5), size = 3.5) +
  # 设置颜色与坐标轴
  scale_fill_viridis_d(option = "plasma") +
  labs(fill = "得分") +
  # 优化主题
  theme_minimal() +
  theme(axis.title.x = element_blank(), axis.text.y = element_blank(),
        axis.ticks.y = element_blank(), plot.margin = margin(5, 5, 5, 0))

步骤5：拼接两个图表 #

使用cowplot将流向图与堆叠条形图拼接为一个整体：

final_plot <- plot_grid(flow_plot, stacked_plot, rel_widths = c(1, 1), align = "h")

# 保存图表（可选）
ggsave("category_treatment_score_plot.png", final_plot, width = 12, height = 6, dpi = 300)

效果说明 #

• 左侧冲积图清晰展示了不同分类（Red/Blue/Green/Yellow）到各处理方式（Compact/Expand/Neutral/Destroy）的样本流向与数量
• 右侧堆叠条形图对应每个处理方式，直观呈现各得分的出现频次，标签标注具体数值
• 配色采用区分度高的调色板，确保不同分类与得分的辨识度

内容的提问来源于stack exchange，提问作者Ginko-Mitten