代码之家 › 专栏 › 技术社区 › user1420372

R中Sankey数据的数据准备,以获取流量频率

networkd3 sankey-diagram r

user1420372 · 技术社区 · 8 年前

我曾尝试使用GG冲积和networkd3包创建一个Sankey图,但至今未能成功。理想情况下,我想了解如何在这两个方面都得到我想要的东西。

数据生成如下:

dat <- data.frame(customer = c(rep(c(1, 2), each=3), 3, 3),
              holiday_loc = c("SA", "SA", "AB", "SA", "SA", "SA", "AB", "AB"),
              holiday_num = c(1, 2, 3, 1, 2, 3, 1, 2))

dat_wide <- dat %>%
        spread(key=holiday_num, value=holiday_loc`)

不确定dat或dat\U wide是否更合适? 我希望输出能够可视化以下信息(括号中的数字是频率,因此是流的宽度)

SA-(2)-SA-(1)-AB
           - (1) - SA
AB-(1)-AB

我遵循了networkd3链接上的说明 Sankey diagram for Discrete State Sequences in R using networkd3 然而,我最终在图中找到了循环。

下图显示了我想要的类似图表: [![Sankey图表摘自SAS VA][2]][2]

非常感谢您的建议和帮助。。。

谢谢

[2]: https://i.stack.imgur.com/wTJ1k.png enter image description here

2 回复 | 直到 8 年前

CJ Yetman 8 年前

数据的核心问题(在 networkD3 术语)是指您有同名的节点,因此至少在处理数据时需要区分它们。

将位置和编号信息结合起来,形成可区分的节点,然后将数据转换为链接数据框,如下所示。。。

links <- 
  dat %>% 
  mutate("source" = paste(holiday_loc, holiday_num, sep = "_")) %>% 
  group_by(customer) %>% 
  arrange(holiday_num) %>% 
  mutate("target" =  lead(source)) %>% 
  ungroup() %>% 
  arrange(customer) %>% 
  filter(!is.na(target)) %>% 
  select(source, target)

由此,您可以构建一个节点数据框架,其中每个不同的节点包含一行,如下所示。。。

node_names <- factor(sort(unique(c(as.character(links$source), 
                                   as.character(links$target)))))
nodes <- data.frame(name = node_names)

然后将链接数据帧转换为使用节点数据帧中节点的索引(0-index,因为它最终会传递给JavaScript),如下所示。。。

links <- data.frame(source = match(links$source, node_names) - 1, 
                    target = match(links$target, node_names) - 1,
                    value = 1)

此时,如果希望节点具有非不同的名称,可以立即更改,如下所示。。。

nodes$name <- sub("_[0-9]$", "", nodes$name)

现在你可以画出来了。。。

library(networkD3)
sankeyNetwork(links, nodes, "source", "target", "value", "name")

AaronP 8 年前

我发现冲积包对该任务很有用,但我不知道这是否就是您锁定的目的:

library(tidyverse)
library(alluvial)
dat <- data.frame(customer = c(rep(c(1, 2), each=3), 3, 3),
                  holiday_loc = c("SA", "SA", "AB", "SA", "SA", "SA", "AB", "AB"),
                  holiday_num = c(1, 2, 3, 1, 2, 3, 1, 2))

dat_summarized <- dat %>% group_by(holiday_num, holiday_loc, customer) %>%
  summarise(n = n()) %>% mutate(color = recode(customer,
                                               `1` = "cadetblue1",
                                               `2` = "cadetblue2",
                                               `3` = "cadetblue3"))

alluvial(dat_summarized[1:3],
         freq = dat_summarized$n,
         col = dat_summarized$color)