R语言中使用Chord diagram展示变量共现关联强度的方法咨询

需求实现可行性 #

该需求完全可以实现，弦图是这类二元事件共现关系可视化的可选方案之一，能直观呈现不同事件共同发生的频率差异。

R语言弦图实现步骤 #

你可以使用circlize包完成绘制，完整代码如下：

1. 预处理数据，构建共现矩阵 #

# 安装加载依赖包
install.packages("circlize")
library(circlize)

# 将Yes/No转换为0/1数值矩阵，去掉无需分析的PatientID列
bin_df <- apply(df[, -1], 2, function(x) ifelse(x == "Yes", 1, 0))
# 计算两两变量同时为Yes的共现次数
co_occur_matrix <- t(bin_df) %*% bin_df
# 对角线赋值为0，忽略变量自身的共现统计
diag(co_occur_matrix) <- 0

2. 绘制弦图 #

chordDiagram(
  co_occur_matrix,
  # 自定义各变量的配色，可按需调整
  grid.col = c(A = "#E41A1C", B = "#377EB8", C = "#4DAF4A", D = "#984EA3", E = "#FF7F00", G = "#A65628"),
  transparency = 0.5,
  annotationTrack = c("grid", "name")
)
# 重置绘图参数，避免影响后续绘图
circos.clear()

绘制结果中，两个变量之间的弦宽度即代表共现次数，宽度越大说明两个事件同时发生的频率越高。

其他可选可视化方案 #

如果你的场景不需要突出共现的流向关系，也可以选择门槛更低、更易读的可视化方案：

• 共现热图：用颜色深浅映射共现次数，支持直接读取数值，适合需要精确对比的场景，可通过pheatmap包或者ggplot2的geom_tile实现
• 关联网络图：将每个事件作为节点，共现强度作为边的粗细/颜色深浅，可直观识别关联紧密的事件集群，可通过igraph、ggraph包实现
• 标准化关联热图：如果需要消除事件本身发生率的影响，可计算两两变量的Phi相关系数后绘制热图，能更准确反映两个事件的关联紧密程度，而非单纯的共现次数

内容的提问来源于stack exchange，提问作者Lili