「R」数据可视化20：弦图
弦图是一种展示数据之间相互关系的图形。弦图中的数据点以圆的形式呈放射状排列，并用线条来展示数据之间的联系。在弦图中，我们可以通过颜色和线条的粗细来展现不同类型联系和强度。这种联系有多种形式比如相关性，比如存在与否，比如迁入迁出等。
弦图是一种美学上令人愉悦的展现方式，换句话说，可以提升你文章或者报告的水准，让人有一种高大上的感觉。那么让我们先来看几个弦图的例子。
当然除了表示相关性弦图也可以用于表示存在的情况。我们以这篇A Deeper Look into the Biodiversity of the Extremely Acidic Copahue volcano-Río Agrio System in Neuquén, Argentina文献为例，该研究探究了阿根廷一座火山的生物多样性。
上面的弦图就展现了不同的OTU在不同环境的存在情况。比如，研究发现OTU1存在于酸性矿山排水（AMD）、矿山（Mine）、河流（Riverine）、火山（Volcanic）等多个环境，其中在酸性矿山排水中的存在最多（连线最宽）。而关注不同的环境可以发现酸性矿山排水中主要存在OTU1、OTU5、OTU6、OTU7、OTU8、OTU20等微生物。
通常来说，当数据点不是很多的时候，弦图能很直观地展现出不同数据点之间的关系。但是当数据点过多的时候，可能弦图看起来就有一些混乱了，不过具体是否采用这种图，还是要看你想用图去表达什么结论。
当然了多幅弦图还能展现出不同组别或者不同时间点之间的差异，具体如何展现可以看我们今天的具体示例。
如何作弦图
1）需要什么样的数据
今天找到了一个酷炫的弦图例子还是个动图。该图用来展示1960年到2015年的全球移民情况。当然我们会画静态图+动图。我只是一个代码搬运工，参考了国外网友写的代码：原代码请点击这里[1]我们要使用的数据来自于“migest”这个包。所以我们先安装该包然后读取数据。我们要用的绘图工具是来自“circlize”包的chordDiagram()函数。首先我们来看一下数据的准备。数据具体分为2部分，一部分是用于作图的具体移民数据，还有一部分是调整作图参数的文件。
install.packages('migest')#安装migest包
library(tidyverse)#使用该包提供的“read_csv()"功能
d0 <- read_csv(system.file("imr", "reg_flow.csv", package = "migest"))
d0
# A tibble: 891 x 4
year0 orig_reg dest_reg flow
<dbl> <chr> <chr> <dbl>
1 1960 Africa Africa 1377791
2 1960 Africa Eastern Asia 5952
3 1960 Africa Eastern Europe & Central Asia 7303
4 1960 Africa Europe 919252
5 1960 Africa Latin America & Caribbean 15796
6 1960 Africa Northern America 82463
7 1960 Africa Oceania 32825
8 1960 Africa Southern Asia 35603
9 1960 Africa Western Asia 106580
10 1960 Eastern Asia Africa 37301
# … with 881 more rows可以看到该数据以5年为单位统计了不同地区的移民情况。实际上真正做弦图只需要后三列，也就是从哪去哪去了多少。下面我们再来看作图参数的文件。migest包中也已经准备好了。
d1 <- read_csv(system.file("vidwp", "reg_plot.csv", package = "migest"))
d1
# A tibble: 9 x 5
region order1 col1 reg1 reg2
<chr> <dbl> <chr> <chr> <chr>
1 Northern America 1 #40A4D8 Northern America
2 Africa 2 #33BEB7 Africa NA
3 Europe 3 #B2C224 Europe NA
4 Eastern Europe & Central Asia 4 #FECC2F Eastern Europe & Central Asia
5 Western Asia 5 #FBA127 Western Asia
6 Southern Asia 6 #F66320 Southern Asia
7 Eastern Asia 7 #DB3937 Eastern Asia
8 Oceania 8 #A463D7 Oceania NA
9 Latin America & Caribbean 9 #0C5BCE Latin America & Caribbean 具体来说第一列就是地区的名字，第二列是顺序，第三列是作图所使用的颜色，第四和第五列大家可以猜猜看。实际上，最后为了作图效果好看，有部分地区的名字过长，所以我们会分为2行来展示，第四和第五列就是为了实现这个目的。
2）如何作图
我们首先来做1960-1965年这段时间的图：
library(circlize)
test<-d0[d0$year0==1960,-1]#筛选数据
chordDiagram(x = test,
directional = 1, #表示线条的方向，0代表没有方向，1代表正向，-1代表反向，2代表双向
order = d1$region,
grid.col = d1$col1, #颜色的设定
annotationTrack = "grid",#diy添加label和axis
transparency = 0.25,#线条的透明度
annotationTrackHeight = c(0.05, 0.1),#外面一圈的宽度
direction.type = c("diffHeight","arrows"), #线条是否带有箭头
link.arr.type = "big.arrow",#另一个选择是巨丑无比的尖头
diffHeight = -0.04#外圈和中间连线的间隔
)
# 添加labels and axis
circos.track(track.index = 1, bg.border = NA,
panel.fun = function(x, y) {
xlim = get.cell.meta.data("xlim")
sector.index = get.cell.meta.data("sector.index")
reg1 = d1 %>% filter(region == sector.index) %>% pull(reg1)
reg2 = d1 %>% filter(region == sector.index) %>% pull(reg2)
circos.text(x = mean(xlim), y = ifelse(is.na(reg2), 3, 4),labels = reg1, facing = "bending", cex =0.8)
circos.text(x = mean(xlim), y = 2.75, labels = reg2, facing = "bending", cex = 0.8)
circos.axis(h = "top", labels.cex = 0.6,labels.niceFacing = FALSE, labels.pos.adjust = FALSE)
})
然后我们可以写一个循环生成多张图然后制作成gif。我们可以根据时间点将数据切割。
library(tweenr)
d2 <- d0 %>%
mutate(corridor = paste(orig_reg, dest_reg, sep = " -> ")) %>%
select(corridor, year0, flow) %>%
mutate(ease = "linear") %>%
tween_elements(time = "year0", group = "corridor", ease = "ease", nframes = 10)
d2 <- d2 %>%
separate(col = .group, into = c("orig_reg", "dest_reg"), sep = " -> ") %>%
select(orig_reg, dest_reg, flow, everything())
d2$flow<-d2$flow/1e06
# create a directory to store the individual plots
dir.create("./plot-gif/")
library(circlize)
for(f in unique(d2$.frame)){
png(file = paste0("./plot-gif/globalchord", f, ".png"), height = 7, width = 7,
units = "in", res = 500)
# intialise the circos plot
circos.clear()
par(mar = rep(0, 4), cex=1)
circos.par(start.degree = 90, track.margin=c(-0.1, 0.1),
gap.degree = 4, points.overflow.warning = FALSE)
# plot the chord diagram
chordDiagram(x = d2[d2$.frame==f,1:3], directional = 1, order = d1$region,
grid.col = d1$col1, annotationTrack = "grid",
transparency = 0.25, annotationTrackHeight = c(0.05, 0.1),
direction.type = c("diffHeight", "arrows"), link.arr.type = "big.arrow",
diffHeight = -0.04, link.sort = TRUE, link.largest.ontop = TRUE)
# add labels and axis
circos.track(track.index = 1, bg.border = NA, panel.fun = function(x, y) {
xlim = get.cell.meta.data("xlim")
sector.index = get.cell.meta.data("sector.index")
reg1 = d1 %>% filter(region == sector.index) %>% pull(reg1)
reg2 = d1 %>% filter(region == sector.index) %>% pull(reg2)
circos.text(x = mean(xlim), y = ifelse(is.na(reg2), 3, 4),
labels = reg1, facing = "bending", cex = 1.1)
circos.text(x = mean(xlim), y = 2.75, labels = reg2, facing = "bending", cex = 1.1)
circos.axis(h = "top", labels.cex = 0.8,
labels.niceFacing = FALSE, labels.pos.adjust = FALSE)
})
# close plotting device
dev.off()
}
library(magick)
img <- image_read(path = "./plot-gif/globalchord0.png")
for(f in unique(d2$.frame)[-1]){
img0 <- image_read(path = paste0("./plot-gif/globalchord",f,".png"))
img <- c(img, img0)
message(f)
}
img1 <- image_scale(image = img, geometry = "720x720")
ani0 <- image_animate(image = img1, fps = 10)
image_write(image = ani0, path = "./globalchord.gif")
今天的分享就到这里啦。
参考资料
[1]原代码请点击这里: https://www.r-bloggers.com/animated-directional-chord-diagrams/
腾讯云开发者
