R中桑基图（Sankey plot）节点宽度调整及多分类数据适配技术求助

嘿，你遇到的这个问题我之前帮别人解决过好几次！核心就是要先把那些用&连起来的多分类拆解开，再精准控制每个阶段的节点权重——比如Stage3要等大，其他阶段按特征数量来，这样才能让桑基图完全符合你的要求。我来一步步给你讲清楚怎么做～

首先咱们得先处理数据，原始数据里的A&B这种合并分类，桑基图工具是识别不了的，必须拆成单独的行，才能正确统计每个分类对应的特征数量。我用tidyverse工具包来做预处理，这是R里处理数据最顺手的一套工具了。

第一步：加载工具包并准备原始数据 #

先把需要的包和你的原始数据准备好：

library(tidyverse)
library(networkD3) # 做交互式桑基图的常用包，也可以用ggalluvial做静态图

我根据你的描述补全了Stage3和Stage4的内容：

df <- data.frame(Features = c("Feature1", "Feature2", "Feature3", "Feature4", "Feature5"),
                 Stage1 = c("A", "A&B", "B", "B&C", "C"),
                 Stage2 = c("D", "D&E", "F", "F&G", "G"),
                 Stage3 = c("X1", "X2", "X3", "X4", "X5"), # 每个特征对应唯一值，保证Stage3节点等大
                 Stage4 = c("f", "f", "f", "f", "g"))

第二步：拆分多分类字符串 #

把Stage1和Stage2里用&连接的分类拆成单独的行，这样每个分类就能对应到对应的Feature：

# 拆分Stage1的多分类
df_stage1_split <- df %>%
  separate_rows(Stage1, sep = "&")

# 拆分Stage2的多分类
df_stage2_split <- df %>%
  separate_rows(Stage2, sep = "&")

拆分完之后，你就能看到Feature2对应的Stage1会拆成两行：A和B，这样就能正确统计Stage1里A有2个特征、B有3个特征、C有2个特征了，完全符合你的要求。

第三步：构建桑基图的链接与节点数据 #

桑基图的核心是**链接（links）和节点（nodes）**数据框，我们需要精准控制每个链接的权重（也就是流量大小），以此来控制节点的大小：

1. 构建各阶段的链接关系

# Stage1 → Stage2：统计每个分类组合的特征数量
links_s1s2 <- df %>%
  separate_rows(Stage1, sep = "&") %>%
  separate_rows(Stage2, sep = "&") %>%
  group_by(Stage1, Stage2) %>%
  summarise(value = n_distinct(Features), .groups = "drop")

# Stage2 → Stage3：为了让Stage3节点等大，每个链接的权重设为1（每个Stage3节点只对应1个Feature）
links_s2s3 <- df %>%
  separate_rows(Stage2, sep = "&") %>%
  group_by(Stage2, Stage3) %>%
  summarise(value = 1, .groups = "drop")

# Stage3 → Stage4：统计每个Stage3到Stage4的特征数量
links_s3s4 <- df %>%
  group_by(Stage3, Stage4) %>%
  summarise(value = n(), .groups = "drop")

2. 合并所有链接并匹配节点ID

networkD3要求节点用数字ID来标识，所以我们要把所有唯一节点提取出来，分配ID：

# 合并所有链接
all_links <- bind_rows(
  links_s1s2 %>% rename(source = Stage1, target = Stage2),
  links_s2s3 %>% rename(source = Stage2, target = Stage3),
  links_s3s4 %>% rename(source = Stage3, target = Stage4)
)

# 提取所有唯一节点并分配ID（networkD3的ID从0开始）
nodes <- data.frame(
  name = unique(c(all_links$source, all_links$target))
) %>%
  mutate(id = row_number() - 1)

# 把链接里的分类名称替换成对应的节点ID
all_links <- all_links %>%
  left_join(nodes, by = c("source" = "name")) %>%
  rename(source_id = id) %>%
  left_join(nodes, by = c("target" = "name")) %>%
  rename(target_id = id) %>%
  select(source_id, target_id, value)

第四步：绘制交互式桑基图 #

现在可以用networkD3生成桑基图了，还能调整节点宽度等样式：

sankeyNetwork(
  Links = all_links,
  Nodes = nodes,
  Source = "source_id",
  Target = "target_id",
  Value = "value",
  NodeID = "name",
  fontSize = 12,
  nodeWidth = 30, # 这里可以调整节点的宽度（像素值）
  iterations = 0 # 固定节点顺序，避免自动调整导致阶段混乱
)

运行这段代码后，你就能看到完全符合要求的桑基图：

• Stage1的节点大小：A对应2个特征，B对应3个，C对应2个
• Stage2的节点大小：D对应2个，E对应1个，F对应2个，G对应2个
• Stage3的每个节点大小完全一致（因为每个节点的入度都是1）
• Stage4的f对应4个特征，g对应1个特征

备选方案：用ggalluvial做静态桑基图 #

如果你需要更灵活的样式控制（比如自定义节点颜色、标签位置），可以用ggalluvial包（基于ggplot2），代码更简洁：

library(ggalluvial)

# 整理成ggalluvial需要的格式
df_alluvial <- df %>%
  separate_rows(Stage1, sep = "&") %>%
  separate_rows(Stage2, sep = "&")

# 绘制桑基图
ggplot(df_alluvial,
       aes(y = 1, axis1 = Stage1, axis2 = Stage2, axis3 = Stage3, axis4 = Stage4)) +
  geom_alluvium(aes(fill = Features), width = 1/12) +
  geom_stratum(width = 1/3) + # 调整节点宽度
  geom_text(stat = "stratum", aes(label = after_stat(stratum))) +
  scale_x_discrete(limits = c("Stage1", "Stage2", "Stage3", "Stage4"), expand = c(0.05, 0.05)) +
  theme_minimal() +
  guides(fill = "none") # 去掉Feature的图例，按需调整

这里的y = 1就保证了Stage3的每个节点大小一致，因为每个节点对应的权重都是1，非常直观。

关键要点总结 #

1. 拆分多分类是核心：必须把A&B这种合并字符串拆成单独的行，否则桑基图会把它当成一个单独的节点，完全不符合你的统计需求
2. 权重控制节点大小：节点的大小由流入/流出的总权重决定，所以我们通过设置value参数来精准控制——比如Stage3的链接权重设为1，就能让所有节点等大
3. 工具选择看需求：networkD3适合做交互式桑基图（可以拖拽节点、查看流量），ggalluvial适合做静态、高度定制化的桑基图

备注：内容来源于stack exchange，提问作者olu