原文链接：http://tecdat.cn/?p=24996
我一直在寻找一种直观的方法来绘制流程中状态之间的流程或连接。R软件恰好满足了我的需求。
将数据设置为正确的格式是一个比较麻烦的过程。现在，本文仅说明如何构建多级图。
构造数据
此示例的计划是在六层中的每一层具有四个节点，并且层之间具有流。数据很好地说明了该过程，并且产生的结果与我所追求的最终图一致。我们必须为节点和边创建数据结构。从边开始，然后使用这些数据提取节点。
边数据帧由具有“从”节点（N1）和“至”节点（N2）的记录以及它们之间的流的值组成。在这里，我系统地构建了一个随机流网格，并删除了一些破坏对称性的记录。
> eges = data.frame
>
> head(eges)
然后从边数据帧中提取节点的名称。根据标签计算节点的水平和垂直位置。这些位置不是严格必需的，因为软件包将为您确定合理的默认值。
> nds = data.frame
> nods$x = as.integer
> nos$y = as.integer
> rownames(noes) = ID
> head(nos)
最后，我们构造了样式列表，这些样式将应用于每个节点。选择合适的颜色并为重叠部分引入透明度非常重要。
> pate = paste0
> stes = lapply(y, function(n) {
+ list
+ })
> names= ID构造桑基图河流图对象
现在我们可以构造河流图对象了。为此，我们将节点，边和样式数据结构连接到列表中，然后将“ river”添加到类属性列表中。
点击标题查阅往期内容
分类回归决策树交互式修剪和更美观地可视化分析细胞图像分割数据集
左右滑动查看更多
01
02
03
04
> rp <- list
> #
> class<- c这样就可以制作图。
> plot
结论
通过仔细观察，可以得到不少信息，桑基图绘制目的就是让各类别间的区别和联系更加直观展现出来。今天的分享到此结束，下次再见！
本文摘选《R语言实现绘制Sankey桑基图（河流图、分流图）流程数据可视化》，点击“阅读原文”获取全文完整资料。
点击标题查阅往期内容
Fama French (FF) 三因子模型和CAPM模型分析股票市场投资组合风险/收益可视化
逻辑回归、随机森林、SVM支持向量机预测心脏病风险数据和模型诊断可视化
分类回归决策树交互式修剪和更美观地可视化分析细胞图像分割数据集
KMEANS均值聚类和层次聚类：亚洲国家地区生活幸福质量异同可视化分析和选择最佳聚类数
绘制圆环图/雷达图/星形图/极坐标图/径向图POLAR CHART可视化分析汽车性能数据
网络社区检测（社群发现）分析女性参加社交活动和社区节点着色可视化
R语言贝叶斯MCMC：用rstan建立线性回归模型分析汽车数据和可视化诊断
R语言混合线性模型、多层次模型、回归模型分析学生平均成绩GPA和可视化
R语言线性混合效应模型（固定效应&随机效应）和交互可视化3案例
R语言Bootstrap的岭回归和自适应LASSO回归可视化
R语言聚类有效性：确定最优聚类数分析IRIS鸢尾花数据和可视化
R语言k-means聚类、层次聚类、主成分（PCA）降维及可视化分析鸢尾花iris数据集
R语言 PCA(主成分分析)，CA(对应分析)夫妻职业差异和马赛克图可视化
R语言关联规则模型(Apriori算法)挖掘杂货店的交易数据与交互可视化
R语言对布丰投针（蒲丰投针）实验进行模拟和动态可视化生成GIF动画
R语言动态可视化：绘制历史全球平均温度的累积动态折线图动画gif视频图
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
R语言建立和可视化混合效应模型mixed effect model
R语言使用Metropolis-Hastings采样算法自适应贝叶斯估计与可视化
R语言随机森林RandomForest、逻辑回归Logisitc预测心脏病数据和可视化分析
R语言计算资本资产定价模型(CAPM)中的Beta值和可视化
R语言主成分分析（PCA）葡萄酒可视化：主成分得分散点图和载荷图
R语言时变向量自回归（TV-VAR）模型分析时间序列和可视化
R语言样条曲线、决策树、Adaboost、梯度提升(GBM)算法进行回归、分类和动态可视化
R语言用主成分PCA、 逻辑回归、决策树、随机森林分析心脏病数据并高维可视化
R语言对布丰投针（蒲丰投针）实验进行模拟和动态可视化生成GIF动画
R语言用温度对城市层次聚类、kmean聚类、主成分分析和Voronoi图可视化
R语言动态可视化：绘制历史全球平均温度的累积动态折线图动画gif视频图
欲获取全文文件，请点击左下角“阅读原文”。
欲获取全文文件，请点击左下角“阅读原文”。
609
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
