生信常用分析图形绘制04 -- 桑基图

生信师兄

已于 2022-08-15 19:48:15 修改

阅读量3.3k

点赞数 3

CC 4.0 BY-SA版权

分类专栏：生信常用分析图形绘制文章标签：生物信息学 r语言

于 2022-08-15 19:41:00 首次发布

本文链接：https://blog.youkuaiyun.com/weixin_45709930/article/details/126353433

生信常用分析图形绘制专栏收录该内容

4 篇文章

订阅专栏

本文介绍了如何利用R语言和ggplot2库绘制生物信息学常用的图形，如热图、火山图、桑基图等，并提供了实例数据和代码，适合初学者和进阶者学习生物信息分析可视化。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

有了R语言的基础，以及ggplot2绘图基础，我们的生信常用分析图形的绘制就可以提上日程了！本系列，师兄就开始带着大家一起学习如何用R语言绘制我们自己的各种分析图吧！

由于本系列的所有分析代码均为师兄细心整理和详细注释而成的！欢迎点赞、收藏、转发！

您的支持是我持续更新的最大动力！

示例数据和代码获取

系列内容包括：

各种类型的热图你学会了吗？
- 普通热图
- 环形热图
解锁火山图真谛！
- plot函数就能画火山图？
- 高级函数绘制火山图–ggplot2、ggpurb
经典富集分析及气泡图、柱状图绘制
- 气泡图绘制
- 柱状图绘制
富集分析圈图
富集分析弦图
绘制一张可以打动审稿人的桑基图
生存分析 – KM曲线图
基础PCA图
云雨图
韦恩图
环形互作网络图
相互作用网络图
聚类树美化
富集分析气泡图进阶版
mantel test相关性图
词云图
瀑布图
森林图
曼哈顿图
哑铃图
三线表
嵌套圈图
列线图
蜂群图
箱线图+贝塞尔曲线
矩阵散点图
等等，想到再继续补充！！！

本期富集分析圈图效果展示

效果预览

数据构建

############## 绘制桑基图 ######################
# 搞清楚需要的数据结构：
nodes = data.frame("name" = 
                     c("Node A", # Node 0
                       "Node B", # Node 1
                       "Node C", # Node 2
                       "Node D"))# Node 3

links = as.data.frame(matrix(c(
  0, 1, 10, # Each row represents a link. The first number
  0, 2, 20, # represents the node being conntected from. 
  1, 3, 30, # the second number represents the node connected to.
  2, 3, 40),# The third number is the value of the node
  byrow = TRUE, ncol = 3))

names(links) = c("source", "target", "value")

# 查看构建的数据：
> head(nodes)
    name
1 Node A
2 Node B
3 Node C
4 Node D
> head(links)
  source target value
1      0      1    10
2      0      2    20
3      1      3    30
4      2      3    40

可以看到绘制桑基图，主要用到两个数据，一个是节点的名称信息 – nodes；另一个是节点之间的链接信息 – links；

第一个不用多说。第二个稍微解释一下，links数据框中应该包含三列：

其中第一列为source，即连接线的起始端；
第二列为target，表示连接线的末端，这里的0,1,2,3分别代表nodes信息中的1-4个节点，注意这里的节点索引是从0开始的，千万别搞混了哦！
第三列为value，表示连接线的宽度值，数值越大，发出的线条就会越宽！

绘图

library(networkD3)
sankeyNetwork(# 指定links和nodes信息：
    		  Links = links, 
              Nodes = nodes,
    		  # 指定source、target、value以及nodeID对应的列名；
              Source = "source", Target = "target",
              Value = "value", NodeID = "name",
    		  # 设置字体和节点的宽度
              fontSize= 12, nodeWidth = 30)

没错，就是这么简单，这样一个最简单的桑基图就出来啦！

使用自己的数据

############### 使用自己的数据 #############################
links <- read.csv("links.csv",header = T, fileEncoding = "UTF-8-BOM")
nodes <- read.csv("nodes.csv", header = F, fileEncoding = "UTF-8-BOM")

links$target <- links$target -1
colnames(nodes) <- "name"

sankeyNetwork(Links = links, Nodes = nodes, 
              # 指定source、target、value和name：
              Source = "source",
              Target = "target", 
              Value = "value", 
              NodeID = "name", # 节点的名字
              # 调整配置：
              fontSize = 12, # 节点的字体大小
              nodeWidth = 30, # 节点的宽度
              nodePadding = 8 # 节点之间的距离
)

最后，欣赏一波超多层节点的复杂桑基图吧！

######################### 复杂桑基图 ##############################
nodes <- read.csv("nodes1.csv",row.names = 1, header = T, fileEncoding = "UTF-8-BOM")
links <- read.csv("links1.csv",header = T, fileEncoding = "UTF-8-BOM")

# Plot
sankeyNetwork(Links = links, Nodes = nodes, Source = "source",
              Target = "target", Value = "value", NodeID = "name",
              units = "TWh", fontSize = 8, nodeWidth = 30)

fig3

示例数据和代码获取