如何解决ggalluvial/ggplot2中数据不被识别的问题？

我来帮你搞定这个报错！你遇到的Data is not in a recognized alluvial form问题，核心原因是alluvial图要求每个个体（id）在所有时间点（也就是x轴的每个time类别）都有对应的状态记录，但你的原始数据是纵向的，每个id只在部分时间点有状态，缺少其他时间点的观测，完全不符合ggalluvial包对数据格式的要求。

下面是具体的解决步骤：

步骤1：补全数据格式 #

首先我们需要把数据补全，让每个id对应所有存在的time值，缺失的state可以标记为NA（你也可以用类似"未记录"的自定义值）。这里用tidyr包的complete()函数来快速实现：

# 先加载所需包
library(ggplot2)
library(ggalluvial)
library(tidyr)

# 你的原始数据集
df <- data.frame(
  id = c(1,1,1,2,2,3,3),
  state = c("s_1","s_2","s_3","s_1","s_3","s_1","s_2"),
  time = c("t_1","t_5","t_10","t_1","t_9","t_1","t_4")
)

# 补全每个id在所有time上的记录，缺失state填充为NA
df_complete <- df %>%
  complete(id, time, fill = list(state = NA))

执行完这一步后，df_complete里每个id都会对应所有的time值，缺失的状态会被填充为NA，这样就满足alluvial图的数据格式要求了。

步骤2：调整绘图代码 #

接下来修改你的ggplot代码，注意几个细节：

• 因为我们补全了NA值，绘图时需要用na.rm = TRUE忽略这些无效记录
• 如果想让流（flow）是固定的深灰色，就保留fill = "darkgrey"；如果想让流的颜色和对应状态一致，去掉这个参数即可

版本1：流为深灰色的桑基图 #

ggplot(df_complete, aes(x = time, stratum = state, alluvium = id, fill = state, label = state)) +
  geom_stratum(na.rm = TRUE) +  # 忽略NA对应的层
  geom_text(stat = "stratum", size = 3, na.rm = TRUE) +  # 忽略NA对应的文本
  geom_flow(fill = "darkgrey", color = "black", na.rm = TRUE) +  # 流设置为深灰色
  scale_fill_manual(values = c("s_1" = "#1f77b4", "s_2" = "#ff7f0e", "s_3" = "#2ca02c"), 
                    na.value = "white")  # 给NA设置白色（不会显示，因为na.rm=TRUE）

版本2：流颜色与状态一致的桑基图 #

ggplot(df_complete, aes(x = time, stratum = state, alluvium = id, fill = state, label = state)) +
  geom_stratum(na.rm = TRUE) +
  geom_text(stat = "stratum", size = 3, na.rm = TRUE) +
  geom_flow(color = "black", na.rm = TRUE) +  # 去掉fill参数，继承aes里的fill=state
  scale_fill_manual(values = c("s_1" = "#1f77b4", "s_2" = "#ff7f0e", "s_3" = "#2ca02c"))

为什么手册示例5可以直接用？ #

手册示例5的原始数据已经是每个分组在所有x轴类别上都有记录的格式（比如每个类别组合都有对应的频数），而你的数据是个体级的纵向数据，缺少了大量时间点的观测，所以必须先补全才能绘图。

内容的提问来源于stack exchange，提问作者Tom