简介本资源是一套面向科研人员与R语言初学者的SCI风格桑基图绘制实战代码包聚焦于用可视化手段清晰呈现实验流程、物种迁移、资源分配等多阶段流向关系。压缩包共3个文件46KB含1个R脚本核心绘图逻辑与参数配置、1个TXT数据模板规范源-目标-权重三列结构及1份PDF说明文档涵盖sankeyNetwork包依赖安装、数据预处理要点与交互功能调用示例。已有305人学习下载适用于需在论文图表中体现专业性与交互性的科研场景。用户可直接运行R脚本替换自有数据后一键生成符合SCI出版要求的动态桑基图并通过调整节点宽度、配色方案与悬停提示等参数完成个性化定制无需从零编写D3.js代码。 前几天一个做临床研究的师弟发消息给我说审稿人让补一张“数据流向图”他在一个技术交流群里翻到一份叫“R语言绘制SCI科研桑基图源代码.zip”的压缩包里面又是.R脚本又是CSV数据看着挺全但自己跑了半天不是包装不上就是画出来的图挤成一团。他把报错截图发过来我一看问题其实都不在代码本身而是对桑基图的数据结构和R语言绘图包的逻辑不熟。这个场景我相信很多人都不陌生。桑基图Sankey Diagram在SCI论文里越来越常见尤其是组学、临床随访、队列研究这类需要表达“数量从哪一类流向哪一类”的数据一张桑基图能把堆叠柱状图讲不清楚的流动关系讲明白。但这玩意儿用R语言画坑确实不少工具包怎么选、数据怎么整理、节点怎么对齐、标签怎么不重叠、导出的图怎么达到期刊的矢量图要求每一步都有讲究。这篇博文我就用一份典型的“R语言绘制SCI科研桑基图源代码”作为线索把这些东西从头到尾捋一遍。没有基础的人看完能跑通自己的数据有基础的人也能避开我踩过的那些坑。1. 为什么科研图表里桑基图越来越常见1.1 桑基图到底画的是什么桑基图最早是工程师用来展示能量流动效率的核心特征是“流量”和“流向”。一条流带从左侧节点出发到右侧节点汇入流带的宽度和它所代表的数量成正比。所以它天然适合回答三类问题总量从哪里来、到哪里去、中间经历了哪些分支。举一个最容易理解的例子你有一批患者按照治疗方式分成两组随访一段时间后每个人都会落入“改善”“无变化”“恶化”这几个结局之一。如果只用柱状图你只能分别看“分组构成”和“结局构成”但看不出“治疗组里究竟有多少人最终改善了”。桑基图可以把治疗组、随访状态、最终结局这三层串起来每一层之间的流带宽度就是人数。审稿人一眼就能看到治疗组的流带有多宽地汇入了“改善”那一栏信息密度比三张堆叠柱状图高得多。从科研可视化的角度讲桑基图本质上是在做“多类别交叉流动”的可视化。它不替代柱状图或箱线图而是专门解决“类别之间如何迁移变化”这个问题。如果你手上有一张二维频数表除了卡方检验和热图桑基图往往是更直观的展示方式。1.2 我在SCI论文里见到的桑基图用途从这几年读文献和实际审稿的经验看桑基图在科研论文里主要集中在几类场景。第一类是组学数据。16S扩增子测序和宏基因组分析里经常要展示不同分组之间的物种组成迁移比如从门水平到属水平的分类流动或者在不同处理条件下优势菌属的丰度变化路径。用桑基图代替堆叠柱状图能同时展示分类层级关系和丰度流动。第二类是临床随访和队列研究。就像前面说的治疗分组-中间状态-最终结局这类数据非常契合桑基图的“从因到果”的表达逻辑。很多高分临床期刊的补充材料里桑基图几乎是标配。第三类是细胞分群和单细胞数据。细胞亚群在不同条件下如何变化哪个亚群主要转化为哪个亚群这类问题也可以借助桑基图展示。第四类比较特殊是方法学对比。比如不同软件注释出来的基因数量如何重叠或不同筛选条件之间样本保留数量的变化。这种“数据清洗流水线”的可视化用桑基图表达也非常直观。也就是说桑基图属于那种“一旦会用很多场合都想用”的图。它的核心价值不是好看而是能承载复杂的分组流动信息信息密度远高于普通统计图。这也是为什么很多期刊编辑和审稿人偏爱它。2. 工具选型R语言画桑基图的几条路线2.1 四个主流方案的对比R语言里画桑基图的方案并不少我梳理下来科研场景下常用的有四条路线。我整理成一张表方便你对照选择。方案核心包绘图风格学习曲线适合场景局限ggplot2扩展ggalluvial静态出版级平缓两到三层节点论文投稿交互式展示能力弱ggplot2扩展ggsankey静态出版级平缓多层级偏好ggforce体系包维护频率一般D3 js交互networkD3网页交互略陡网页展示、动态探索导出到论文需要截屏矢量图困难高度定制ggforce手动拼任意陡峭特殊形状和布局代码量大适合进阶玩家ggalluvial的核心设计是“冲积图”alluvial diagram它和经典桑基图非常相似但更强调数据流动的分组关系。它的语法完全基于ggplot2对于已经会用ggplot2的人来说几乎没有额外门槛出图风格也和ggplot2的其他图保持一致。最重要的是它的图层体系对节点位置、流带形状、标签位置的控制比较精细适合做出版级图表。ggsankey是另一个基于ggplot2的包它把桑基图拆成geom_sankey、geom_alluvial、geom_sankey_text等几个图层语法也很ggplot2。它的设计更接近经典桑基图节点之间用曲线连接。但我在实际使用中感觉它的文档不如ggalluvial清晰版本更新也慢一些新手遇到问题容易查不到答案。networkD3是R语言封装D3.js的产物好处是图是交互式的鼠标悬停能看到每一支流带的数值。适合做网页报告或动态数据分析。但问题也很明显它输出的是HTML组件不是矢量图。你要放进论文里只能导出PNG等高分辨率位图图片放大后细节会有损失。期刊对图片清晰度的要求越来越高除非是定性展示否则我不太推荐拿它做最终投稿图。ggforce手动拼方案属于“高手玩法”本质上是自己用geom_bezier画贝塞尔曲线模拟流带。灵活性最高但代码量巨大计算节点坐标、曲线控制点的过程很绕。我不建议普通科研用户折腾这条路除非你有非常特殊的图形需求比如节点形状不是标准矩形。2.2 我的选型结论与使用体验如果让我给一个直接的建议科研论文导向就用ggalluvial。理由有三个。第一语法和ggplot2无缝衔接。会写ggplot(df, aes(x, y)) geom_point()的人上手ggalluvial就是多记几个图层名的事。不牵扯D3.js的JavaScript知识也不需要对HTML组件进行调整。第二出图风格稳定可控性强。ggplot2体系对字体、配色、图例、坐标轴的统一管理在拼多图的时候优势巨大。你可以在同一个R脚本里轻松让桑基图和其他统计图用同一套主题风格。第三社区资料多报错好解决。ggalluvial在CRAN上更新稳定文档详细Stack Overflow和生物信息学论坛上的讨论也很多。你在使用过程中遇到问题搜一下基本都有答案。这个“可查性”对科研用户来说非常重要。我还在实际使用中发现一个小区别ggalluvial处理“节点数值为零”的情况时比ggsankey稳健得多。纵向随访数据经常会出现某些分组在某个时间点没有任何事件如果是零频数ggsankey有时会报错或流带错位而ggalluvial能自动跳过空节点。这点在真实数据里非常实用。3. 源代码核心拆解数据结构与绘图原理3.1 数据格式alluvia宽格式很多人在桑基图上卡住并不是不会写ggplot代码而是不知道数据应该整理成什么样。拿到一个“源代码.zip”后只盯着绘图脚本看忽略里头的CSV数据结构结果把代码替换成自己的数据后图直接跑飞。ggalluvial支持两种数据格式alluvia宽格式和lodes长格式。在大多数教程和源代码包里你见到的其实是alluvia宽格式。所谓宽格式就是每一行代表一条从起点到终点的完整路径。你有几个分类维度就对应几列外加一列数值作为流量权重。我举个例子# 三个维度分组、时间点、结局 df - data.frame( group c(治疗组, 治疗组, 治疗组, 治疗组, 对照组, 对照组, 对照组, 对照组), time c(基线, 基线, 随访, 随访, 基线, 基线, 随访, 随访), outcome c(改善, 未改善, 改善, 未改善, 改善, 未改善, 改善, 未改善), count c(80, 20, 65, 15, 30, 70, 45, 55) )每一行都是一个特定的“路径组合”。比如第一行表示“治疗组-基线-改善”这条路径上有80个人。当你在绘图代码里写aes(axis1 group, axis2 time, axis3 outcome)时ggalluvial会自动把这三列当成三个节点层y方向的高度由count变量决定。这里最关键的理解是第1层的节点高度是所有包含该类别路径的count之和第2层、第3层同理。流带的宽度则在相邻两层之间传递。所以网格数据必须是完整交叉的不能漏行漏了某一组合图上就少一条流带总宽度对不上。另外一个常见坑是count列如果不在绘图代码里显式传进去ggalluvial会默认把每一行当成1来计算。如果你用的是汇总好的频数表忘了指定count变量所有流带的宽度都会变成等宽图看起来像一堆平行线毫无信息量。3.2 核心绘图逻辑与参数看源代码的时候你大概率会看到类似这样的核心绘图语句library(ggalluvial) library(ggplot2) ggplot(df, aes(y count, axis1 group, axis2 time, axis3 outcome)) geom_alluvium(aes(fill group), width 1/8) geom_stratum(width 1/8, fill grey90, color grey30) geom_text(stat stratum, aes(label after_stat(stratum)), size 3.5) scale_x_discrete(limits c(分组, 时间点, 结局), expand c(0.15, 0.15)) theme_minimal()拆开来讲这里涉及三个图层。geom_alluvium负责画流带。aes(fill group)是第一层节点的填充色这会让不同分组对应的流带带不同颜色。width参数控制每个节点的横向宽度占整个坐标轴区间宽度的比例。默认是1/3但3层节点时1/3会让节点太宽流带拐角处挤在一起。我一般压到1/8或1/10节点细长流带之间的分层会更清晰。geom_stratum负责画节点矩形。它是在流带下面垫一个矩形框让每个类别在节点处有一个明确的边界。这里fill grey90让矩形和流带的颜色分开节点保持中性灰色流带负责承载颜色信息视觉上层次更清楚。color grey30控制矩形边框方便读者看到节点界限。geom_text(stat stratum, aes(label after_stat(stratum)))负责在每个节点矩形中央添加类别标签。这是ggalluvial比较新的写法旧版本里写label stratum也能跑但新版本会提示使用after_stat(stratum)。如果你拿到的源代码包比较老在新版R环境下运行报错改这一句就行。scale_x_discrete(limits c(...))这一句也很关键。三个axis就对应三个节点层limits向量里的字符串会被用作每个层的标题。注意expand不能太小否则第一层和最右层的标签会被绘图区域裁切掉。实际使用中我习惯给0.15到0.2的扩展量。3.3 颜色、标签与SCI级样式微调桑基图画出来只是第一步很多源代码包能跑通但出来的图颜色荧光、字体刺眼、标签叠成一团根本达不到投稿要求。这里分享几个我常用的微调方法。配色方面除非你的数据本身有明显的分组语义比如“病例组”和“对照组”否则不要用Excel默认的彩虹色。我习惯用RColorBrewer的Set2或Dark2调色板或者直接手写一组饱和度适中的颜色library(RColorBrewer) my_cols - brewer.pal(3, Set2)如果你的分组超过8个类可以考虑用ggsci包里的NPG、Lancet等期刊风格调色板这些颜色专门为论文设计过色觉友好度高。字体方面ggplot2默认字体是Arial或Helvetica用theme(text element_text(family Arial))统一设置即可。中文标签需要额外注意Windows下用“SimHei”或“Microsoft YaHei”Mac下用“PingFang SC”Linux下需要装中文字体否则中文会显示为方块。我知道自己的环境里中文字体不稳所以通常是在最终作图时把中文标签临时改成英文投稿时图更干净也省去字体嵌入的麻烦。标签重叠问题有三招。第一招是把size调小一般3到3.5比较合适第二招是给geom_text加check_overlap TRUE参数让重叠的标签自动去掉第三招是改节点宽度width调大一点标签可用空间就会变宽文字叠在一起的概率就低。这三招可以组合使用。4. 完整实操从原始表格到可投稿的图4.1 用pivot_longer把宽表转成桑基图数据你从“源代码.zip”里拿到的示例数据大概率是已经整理好的alluvia格式但你自己手头的数据往往不是这个形状。最常见的原始数据格式是宽表每一行是一个样本每个阶段的状态是一列。比如raw - data.frame( sample paste0(S, 1:200), group c(rep(治疗组, 100), rep(对照组, 100)), time c(rep(基线, 50), rep(随访, 50), rep(基线, 50), rep(随访, 50)), outcome sample(c(改善, 未改善), 200, replace TRUE) )这种数据每个样本只属于一条路径要转成桑基图需要按维度组合统计频数。最直接的做法是用dplyr的count函数library(dplyr) df - raw %% count(group, time, outcome, name count)这一步得到的三列维度加一列频数正好就是ggalluvial需要的alluvia宽格式。这里name count是指定频数列的名称默认列名是n在绘图代码里改成n也行但名字清晰一些更不容易搞混。如果数据是已经交叉汇总过的二维频数表比如行是分组、列是结局的matrix可以先转成data.frame再用tidyr::pivot_longer把多个结局列拉长成一列library(tidyr) df - table_df %% pivot_longer(cols c(改善, 未改善), names_to outcome, values_to count)pivot_longer的好处是无论你手头有多少个结局列、多少个中间状态列都可以用这一函数把宽表拉成长表。关键是cols参数要写全所有需要合并的列names_to是新列名values_to是数值列名。这一步处理完数据就能直接喂给ggalluvial了。4.2 跑通一段可直接改用的完整代码下面给出一段完整的、可直接改用的代码。我用的是虚构的临床随访数据你替换成自己的数据后大概率只需要改动列名和节点层数。library(ggalluvial) library(ggplot2) library(RColorBrewer) set.seed(42) df - data.frame( group rep(c(治疗组, 对照组), each 100), time rep(c(基线, 随访), each 50, times 2), outcome sample(c(改善, 无变化, 恶化), 200, replace TRUE, prob c(0.45, 0.3, 0.25)) ) df_counts - df %% count(group, time, outcome, name count) ggplot(df_counts, aes(y count, axis1 group, axis2 time, axis3 outcome)) geom_alluvium(aes(fill group), width 1/8, alpha 0.8) geom_stratum(width 1/8, fill grey90, color grey30) geom_text(stat stratum, aes(label after_stat(stratum)), size 3.5) scale_x_discrete(limits c(分组, 时间点, 结局), expand c(0.15, 0.15)) scale_fill_manual(values brewer.pal(2, Set2)) theme_minimal(base_size 14) theme(legend.position top, panel.grid element_blank()) labs(y 样本量, x NULL)跑通这一步之后你打印出来的图应该有三个节点层每个层内部有对应的节点矩形节点之间的流带宽度准确显示了人数比例。如果看到流带的颜色按第一层分组区分说明aes(fill group)生效了。如果你希望颜色按结局区分改成fill outcome即可但要注意这样流带颜色会变成最右层类别的颜色不一定符合阅读习惯。4.3 导出版本、尺寸、字体的“投稿级”设置图在屏幕上看着不错和真的能投稿之间还有一段距离。SCI期刊对图表格式通常有几个硬性要求矢量格式优先、字体嵌入、尺寸可缩放、文字不被裁切。我习惯用ggsave导出比较推荐的设置是ggsave(sankey_plot.pdf, plot last_plot(), width 8, height 6, units in, dpi 300)PDF是矢量格式放大缩小不会模糊期刊排版时缩放也方便。如果期刊明确要求位图再输出TIFF或PNG。dpi 300只是个底线如果期刊要求600dpi就把数字改大。还有一个容易忽略的细节节点层数多的时候图的高度和宽度比例要合适。我曾经把三个节点的桑基图导出成正方形结果第三层标签全部被挤到边界上。后来我养成一个习惯画完图先看一眼节点层数3层用8:64层用10:65层以上建议用12:6。比例不对的话标签间距很难调舒服。字体方面如果图里用了中文导出PDF时一定要检查字体是否嵌入。用RStudio自带的PDF导出功能通常没问题但如果用cairo_pdf设备在Windows下有时需要手动指定中文字体cairo_pdf(sankey_plot.pdf, width 8, height 6, family Microsoft YaHei)不指定的话中文字体可能出现乱码或形状丢失。我自己的做法是投稿版图的全部文字都用英文这样既规避了字体问题也减少了编辑器对非英文内容的误解。5. 常见问题与排查技巧实录5.1 报错信息速查表下面这张表是我在带学生、看论坛的过程中整理出来的高频报错和排查思路遇到类似问题可以按表操作。报错信息常见原因解决办法Error in stat_stratum()图层顺序或stat参数写法不对object stratum not found旧版源代码在新R版本下运行把aes(label stratum)改为aes(label after_stat(stratum))Width of alluvia exceed the available spacewidth参数设置过大把width从1/3或1/4降到1/8或1/10replacement has N rows, data has M维度列存在NA或缺失组合检查count结果确保所有维度水平都覆盖或用tidyr::complete补全Ignoring unknown parameters: fill某种图层参数写错位置检查fill是否写在了错误的geom外层确认aes映射和图层分离中文变成方块或乱码系统缺少对应中文字体用cairo_pdf指定字体族或全部改用英文标签这些报错里最坑的是“replacement has N rows”它经常发生在你的维度数据里有缺失值。比如分组列有空值、结局列有空字符串count之后某些组合没有行ggplot在分配行数时就对不上。排查时先用table(df$group, df$outcome)看一下有没有空格或NA把缺失值处理掉再画图。5.2 zip源代码包使用前必做的三件事下载别人分享的“源代码.zip”拿到手不要急着解压后直接跑我建议先做三件事。第一检查zip包是否完整。很多时候下载器中断会导致zip文件损坏Windows下用WinRAR或7-Zip打开时报“压缩文件已损坏”macOS下用unzip -t命令测试完整性unzip -t source_code.zip如果报错提示“file is not a zip file”基本可以确定文件本身就不是有效zip重新下载即可。这种情况经常不是代码问题就是下载没下全。第二检查R版本和包依赖。分享者的R版本可能是4.3或更高你本地如果有多个R环境最好用sessionInfo()看一下当前环境。代码开头如果有library调用但没写install.packages命令你要手动装包install.packages(c(ggalluvial, ggplot2, dplyr, tidyr))如果装包时报依赖包版本不对升级R或更新对应包都能解决但要注意别在别人代码目录里乱安装包最好单独建立项目环境。第三确认工作目录和文件路径。源代码解压后脚本里如果有read.csv(data.csv)这类相对路径写法运行前必须保证工作目录在解压后的文件夹里或者用setwd()切过去。我还见过文件名里有中文空格Windows下读数据时报错编码问题的情况解决办法是手动重命名文件为纯英文再改脚本里的对应字符串。5.3 踩坑之后我的几条习惯这些年在桑基图上踩过不少坑沉淀下来几条好用的习惯分享给你。第一条先跑通示例数据再换自己的数据。很多人拿到代码第一件事就是把自己的数据塞进去一旦报错就分不清是代码问题还是数据问题。我现在的习惯是先把源代码自带的CSV跑一遍确认出图效果和原作者一致再把自己的数据对齐成同样的格式替换进去。这样排查范围小很多。第二条把最终图导出后的肉眼检查当作强制流程。屏幕上80%大小看着合适导出PDF后放到100%看很多问题才会暴露。标签被裁、节点间流带交叉、图例和图形区域重叠都要在最终导出版本里检查一遍。第三条善用ggalluvial自带的示例数据来理解数据结构。比如跑一下data(vaccinations)用View()查看那个数据框长什么样你会立刻明白什么结构能画、什么结构不能画。这种通过阅读真实数据来反推数据结构的方式比读十遍文档都管用。最后再分享一个小技巧。如果你要画四层以上的桑基图节点标签特别多可以不用geom_text直接标在图上而是用节点序号代替再加一个图注说明每个序号代表什么类别。这样做虽然多了一步映射工作但图的整洁度提升明显很多高分期刊也接受这种信息图注化的做法。我最近几个图都是这么处理的审稿人反馈都不错。本文还有配套的精品资源点击获取
R语言绘制SCI科研桑基图：从数据结构到投稿级出图全攻略
简介本资源是一套面向科研人员与R语言初学者的SCI风格桑基图绘制实战代码包聚焦于用可视化手段清晰呈现实验流程、物种迁移、资源分配等多阶段流向关系。压缩包共3个文件46KB含1个R脚本核心绘图逻辑与参数配置、1个TXT数据模板规范源-目标-权重三列结构及1份PDF说明文档涵盖sankeyNetwork包依赖安装、数据预处理要点与交互功能调用示例。已有305人学习下载适用于需在论文图表中体现专业性与交互性的科研场景。用户可直接运行R脚本替换自有数据后一键生成符合SCI出版要求的动态桑基图并通过调整节点宽度、配色方案与悬停提示等参数完成个性化定制无需从零编写D3.js代码。 前几天一个做临床研究的师弟发消息给我说审稿人让补一张“数据流向图”他在一个技术交流群里翻到一份叫“R语言绘制SCI科研桑基图源代码.zip”的压缩包里面又是.R脚本又是CSV数据看着挺全但自己跑了半天不是包装不上就是画出来的图挤成一团。他把报错截图发过来我一看问题其实都不在代码本身而是对桑基图的数据结构和R语言绘图包的逻辑不熟。这个场景我相信很多人都不陌生。桑基图Sankey Diagram在SCI论文里越来越常见尤其是组学、临床随访、队列研究这类需要表达“数量从哪一类流向哪一类”的数据一张桑基图能把堆叠柱状图讲不清楚的流动关系讲明白。但这玩意儿用R语言画坑确实不少工具包怎么选、数据怎么整理、节点怎么对齐、标签怎么不重叠、导出的图怎么达到期刊的矢量图要求每一步都有讲究。这篇博文我就用一份典型的“R语言绘制SCI科研桑基图源代码”作为线索把这些东西从头到尾捋一遍。没有基础的人看完能跑通自己的数据有基础的人也能避开我踩过的那些坑。1. 为什么科研图表里桑基图越来越常见1.1 桑基图到底画的是什么桑基图最早是工程师用来展示能量流动效率的核心特征是“流量”和“流向”。一条流带从左侧节点出发到右侧节点汇入流带的宽度和它所代表的数量成正比。所以它天然适合回答三类问题总量从哪里来、到哪里去、中间经历了哪些分支。举一个最容易理解的例子你有一批患者按照治疗方式分成两组随访一段时间后每个人都会落入“改善”“无变化”“恶化”这几个结局之一。如果只用柱状图你只能分别看“分组构成”和“结局构成”但看不出“治疗组里究竟有多少人最终改善了”。桑基图可以把治疗组、随访状态、最终结局这三层串起来每一层之间的流带宽度就是人数。审稿人一眼就能看到治疗组的流带有多宽地汇入了“改善”那一栏信息密度比三张堆叠柱状图高得多。从科研可视化的角度讲桑基图本质上是在做“多类别交叉流动”的可视化。它不替代柱状图或箱线图而是专门解决“类别之间如何迁移变化”这个问题。如果你手上有一张二维频数表除了卡方检验和热图桑基图往往是更直观的展示方式。1.2 我在SCI论文里见到的桑基图用途从这几年读文献和实际审稿的经验看桑基图在科研论文里主要集中在几类场景。第一类是组学数据。16S扩增子测序和宏基因组分析里经常要展示不同分组之间的物种组成迁移比如从门水平到属水平的分类流动或者在不同处理条件下优势菌属的丰度变化路径。用桑基图代替堆叠柱状图能同时展示分类层级关系和丰度流动。第二类是临床随访和队列研究。就像前面说的治疗分组-中间状态-最终结局这类数据非常契合桑基图的“从因到果”的表达逻辑。很多高分临床期刊的补充材料里桑基图几乎是标配。第三类是细胞分群和单细胞数据。细胞亚群在不同条件下如何变化哪个亚群主要转化为哪个亚群这类问题也可以借助桑基图展示。第四类比较特殊是方法学对比。比如不同软件注释出来的基因数量如何重叠或不同筛选条件之间样本保留数量的变化。这种“数据清洗流水线”的可视化用桑基图表达也非常直观。也就是说桑基图属于那种“一旦会用很多场合都想用”的图。它的核心价值不是好看而是能承载复杂的分组流动信息信息密度远高于普通统计图。这也是为什么很多期刊编辑和审稿人偏爱它。2. 工具选型R语言画桑基图的几条路线2.1 四个主流方案的对比R语言里画桑基图的方案并不少我梳理下来科研场景下常用的有四条路线。我整理成一张表方便你对照选择。方案核心包绘图风格学习曲线适合场景局限ggplot2扩展ggalluvial静态出版级平缓两到三层节点论文投稿交互式展示能力弱ggplot2扩展ggsankey静态出版级平缓多层级偏好ggforce体系包维护频率一般D3 js交互networkD3网页交互略陡网页展示、动态探索导出到论文需要截屏矢量图困难高度定制ggforce手动拼任意陡峭特殊形状和布局代码量大适合进阶玩家ggalluvial的核心设计是“冲积图”alluvial diagram它和经典桑基图非常相似但更强调数据流动的分组关系。它的语法完全基于ggplot2对于已经会用ggplot2的人来说几乎没有额外门槛出图风格也和ggplot2的其他图保持一致。最重要的是它的图层体系对节点位置、流带形状、标签位置的控制比较精细适合做出版级图表。ggsankey是另一个基于ggplot2的包它把桑基图拆成geom_sankey、geom_alluvial、geom_sankey_text等几个图层语法也很ggplot2。它的设计更接近经典桑基图节点之间用曲线连接。但我在实际使用中感觉它的文档不如ggalluvial清晰版本更新也慢一些新手遇到问题容易查不到答案。networkD3是R语言封装D3.js的产物好处是图是交互式的鼠标悬停能看到每一支流带的数值。适合做网页报告或动态数据分析。但问题也很明显它输出的是HTML组件不是矢量图。你要放进论文里只能导出PNG等高分辨率位图图片放大后细节会有损失。期刊对图片清晰度的要求越来越高除非是定性展示否则我不太推荐拿它做最终投稿图。ggforce手动拼方案属于“高手玩法”本质上是自己用geom_bezier画贝塞尔曲线模拟流带。灵活性最高但代码量巨大计算节点坐标、曲线控制点的过程很绕。我不建议普通科研用户折腾这条路除非你有非常特殊的图形需求比如节点形状不是标准矩形。2.2 我的选型结论与使用体验如果让我给一个直接的建议科研论文导向就用ggalluvial。理由有三个。第一语法和ggplot2无缝衔接。会写ggplot(df, aes(x, y)) geom_point()的人上手ggalluvial就是多记几个图层名的事。不牵扯D3.js的JavaScript知识也不需要对HTML组件进行调整。第二出图风格稳定可控性强。ggplot2体系对字体、配色、图例、坐标轴的统一管理在拼多图的时候优势巨大。你可以在同一个R脚本里轻松让桑基图和其他统计图用同一套主题风格。第三社区资料多报错好解决。ggalluvial在CRAN上更新稳定文档详细Stack Overflow和生物信息学论坛上的讨论也很多。你在使用过程中遇到问题搜一下基本都有答案。这个“可查性”对科研用户来说非常重要。我还在实际使用中发现一个小区别ggalluvial处理“节点数值为零”的情况时比ggsankey稳健得多。纵向随访数据经常会出现某些分组在某个时间点没有任何事件如果是零频数ggsankey有时会报错或流带错位而ggalluvial能自动跳过空节点。这点在真实数据里非常实用。3. 源代码核心拆解数据结构与绘图原理3.1 数据格式alluvia宽格式很多人在桑基图上卡住并不是不会写ggplot代码而是不知道数据应该整理成什么样。拿到一个“源代码.zip”后只盯着绘图脚本看忽略里头的CSV数据结构结果把代码替换成自己的数据后图直接跑飞。ggalluvial支持两种数据格式alluvia宽格式和lodes长格式。在大多数教程和源代码包里你见到的其实是alluvia宽格式。所谓宽格式就是每一行代表一条从起点到终点的完整路径。你有几个分类维度就对应几列外加一列数值作为流量权重。我举个例子# 三个维度分组、时间点、结局 df - data.frame( group c(治疗组, 治疗组, 治疗组, 治疗组, 对照组, 对照组, 对照组, 对照组), time c(基线, 基线, 随访, 随访, 基线, 基线, 随访, 随访), outcome c(改善, 未改善, 改善, 未改善, 改善, 未改善, 改善, 未改善), count c(80, 20, 65, 15, 30, 70, 45, 55) )每一行都是一个特定的“路径组合”。比如第一行表示“治疗组-基线-改善”这条路径上有80个人。当你在绘图代码里写aes(axis1 group, axis2 time, axis3 outcome)时ggalluvial会自动把这三列当成三个节点层y方向的高度由count变量决定。这里最关键的理解是第1层的节点高度是所有包含该类别路径的count之和第2层、第3层同理。流带的宽度则在相邻两层之间传递。所以网格数据必须是完整交叉的不能漏行漏了某一组合图上就少一条流带总宽度对不上。另外一个常见坑是count列如果不在绘图代码里显式传进去ggalluvial会默认把每一行当成1来计算。如果你用的是汇总好的频数表忘了指定count变量所有流带的宽度都会变成等宽图看起来像一堆平行线毫无信息量。3.2 核心绘图逻辑与参数看源代码的时候你大概率会看到类似这样的核心绘图语句library(ggalluvial) library(ggplot2) ggplot(df, aes(y count, axis1 group, axis2 time, axis3 outcome)) geom_alluvium(aes(fill group), width 1/8) geom_stratum(width 1/8, fill grey90, color grey30) geom_text(stat stratum, aes(label after_stat(stratum)), size 3.5) scale_x_discrete(limits c(分组, 时间点, 结局), expand c(0.15, 0.15)) theme_minimal()拆开来讲这里涉及三个图层。geom_alluvium负责画流带。aes(fill group)是第一层节点的填充色这会让不同分组对应的流带带不同颜色。width参数控制每个节点的横向宽度占整个坐标轴区间宽度的比例。默认是1/3但3层节点时1/3会让节点太宽流带拐角处挤在一起。我一般压到1/8或1/10节点细长流带之间的分层会更清晰。geom_stratum负责画节点矩形。它是在流带下面垫一个矩形框让每个类别在节点处有一个明确的边界。这里fill grey90让矩形和流带的颜色分开节点保持中性灰色流带负责承载颜色信息视觉上层次更清楚。color grey30控制矩形边框方便读者看到节点界限。geom_text(stat stratum, aes(label after_stat(stratum)))负责在每个节点矩形中央添加类别标签。这是ggalluvial比较新的写法旧版本里写label stratum也能跑但新版本会提示使用after_stat(stratum)。如果你拿到的源代码包比较老在新版R环境下运行报错改这一句就行。scale_x_discrete(limits c(...))这一句也很关键。三个axis就对应三个节点层limits向量里的字符串会被用作每个层的标题。注意expand不能太小否则第一层和最右层的标签会被绘图区域裁切掉。实际使用中我习惯给0.15到0.2的扩展量。3.3 颜色、标签与SCI级样式微调桑基图画出来只是第一步很多源代码包能跑通但出来的图颜色荧光、字体刺眼、标签叠成一团根本达不到投稿要求。这里分享几个我常用的微调方法。配色方面除非你的数据本身有明显的分组语义比如“病例组”和“对照组”否则不要用Excel默认的彩虹色。我习惯用RColorBrewer的Set2或Dark2调色板或者直接手写一组饱和度适中的颜色library(RColorBrewer) my_cols - brewer.pal(3, Set2)如果你的分组超过8个类可以考虑用ggsci包里的NPG、Lancet等期刊风格调色板这些颜色专门为论文设计过色觉友好度高。字体方面ggplot2默认字体是Arial或Helvetica用theme(text element_text(family Arial))统一设置即可。中文标签需要额外注意Windows下用“SimHei”或“Microsoft YaHei”Mac下用“PingFang SC”Linux下需要装中文字体否则中文会显示为方块。我知道自己的环境里中文字体不稳所以通常是在最终作图时把中文标签临时改成英文投稿时图更干净也省去字体嵌入的麻烦。标签重叠问题有三招。第一招是把size调小一般3到3.5比较合适第二招是给geom_text加check_overlap TRUE参数让重叠的标签自动去掉第三招是改节点宽度width调大一点标签可用空间就会变宽文字叠在一起的概率就低。这三招可以组合使用。4. 完整实操从原始表格到可投稿的图4.1 用pivot_longer把宽表转成桑基图数据你从“源代码.zip”里拿到的示例数据大概率是已经整理好的alluvia格式但你自己手头的数据往往不是这个形状。最常见的原始数据格式是宽表每一行是一个样本每个阶段的状态是一列。比如raw - data.frame( sample paste0(S, 1:200), group c(rep(治疗组, 100), rep(对照组, 100)), time c(rep(基线, 50), rep(随访, 50), rep(基线, 50), rep(随访, 50)), outcome sample(c(改善, 未改善), 200, replace TRUE) )这种数据每个样本只属于一条路径要转成桑基图需要按维度组合统计频数。最直接的做法是用dplyr的count函数library(dplyr) df - raw %% count(group, time, outcome, name count)这一步得到的三列维度加一列频数正好就是ggalluvial需要的alluvia宽格式。这里name count是指定频数列的名称默认列名是n在绘图代码里改成n也行但名字清晰一些更不容易搞混。如果数据是已经交叉汇总过的二维频数表比如行是分组、列是结局的matrix可以先转成data.frame再用tidyr::pivot_longer把多个结局列拉长成一列library(tidyr) df - table_df %% pivot_longer(cols c(改善, 未改善), names_to outcome, values_to count)pivot_longer的好处是无论你手头有多少个结局列、多少个中间状态列都可以用这一函数把宽表拉成长表。关键是cols参数要写全所有需要合并的列names_to是新列名values_to是数值列名。这一步处理完数据就能直接喂给ggalluvial了。4.2 跑通一段可直接改用的完整代码下面给出一段完整的、可直接改用的代码。我用的是虚构的临床随访数据你替换成自己的数据后大概率只需要改动列名和节点层数。library(ggalluvial) library(ggplot2) library(RColorBrewer) set.seed(42) df - data.frame( group rep(c(治疗组, 对照组), each 100), time rep(c(基线, 随访), each 50, times 2), outcome sample(c(改善, 无变化, 恶化), 200, replace TRUE, prob c(0.45, 0.3, 0.25)) ) df_counts - df %% count(group, time, outcome, name count) ggplot(df_counts, aes(y count, axis1 group, axis2 time, axis3 outcome)) geom_alluvium(aes(fill group), width 1/8, alpha 0.8) geom_stratum(width 1/8, fill grey90, color grey30) geom_text(stat stratum, aes(label after_stat(stratum)), size 3.5) scale_x_discrete(limits c(分组, 时间点, 结局), expand c(0.15, 0.15)) scale_fill_manual(values brewer.pal(2, Set2)) theme_minimal(base_size 14) theme(legend.position top, panel.grid element_blank()) labs(y 样本量, x NULL)跑通这一步之后你打印出来的图应该有三个节点层每个层内部有对应的节点矩形节点之间的流带宽度准确显示了人数比例。如果看到流带的颜色按第一层分组区分说明aes(fill group)生效了。如果你希望颜色按结局区分改成fill outcome即可但要注意这样流带颜色会变成最右层类别的颜色不一定符合阅读习惯。4.3 导出版本、尺寸、字体的“投稿级”设置图在屏幕上看着不错和真的能投稿之间还有一段距离。SCI期刊对图表格式通常有几个硬性要求矢量格式优先、字体嵌入、尺寸可缩放、文字不被裁切。我习惯用ggsave导出比较推荐的设置是ggsave(sankey_plot.pdf, plot last_plot(), width 8, height 6, units in, dpi 300)PDF是矢量格式放大缩小不会模糊期刊排版时缩放也方便。如果期刊明确要求位图再输出TIFF或PNG。dpi 300只是个底线如果期刊要求600dpi就把数字改大。还有一个容易忽略的细节节点层数多的时候图的高度和宽度比例要合适。我曾经把三个节点的桑基图导出成正方形结果第三层标签全部被挤到边界上。后来我养成一个习惯画完图先看一眼节点层数3层用8:64层用10:65层以上建议用12:6。比例不对的话标签间距很难调舒服。字体方面如果图里用了中文导出PDF时一定要检查字体是否嵌入。用RStudio自带的PDF导出功能通常没问题但如果用cairo_pdf设备在Windows下有时需要手动指定中文字体cairo_pdf(sankey_plot.pdf, width 8, height 6, family Microsoft YaHei)不指定的话中文字体可能出现乱码或形状丢失。我自己的做法是投稿版图的全部文字都用英文这样既规避了字体问题也减少了编辑器对非英文内容的误解。5. 常见问题与排查技巧实录5.1 报错信息速查表下面这张表是我在带学生、看论坛的过程中整理出来的高频报错和排查思路遇到类似问题可以按表操作。报错信息常见原因解决办法Error in stat_stratum()图层顺序或stat参数写法不对object stratum not found旧版源代码在新R版本下运行把aes(label stratum)改为aes(label after_stat(stratum))Width of alluvia exceed the available spacewidth参数设置过大把width从1/3或1/4降到1/8或1/10replacement has N rows, data has M维度列存在NA或缺失组合检查count结果确保所有维度水平都覆盖或用tidyr::complete补全Ignoring unknown parameters: fill某种图层参数写错位置检查fill是否写在了错误的geom外层确认aes映射和图层分离中文变成方块或乱码系统缺少对应中文字体用cairo_pdf指定字体族或全部改用英文标签这些报错里最坑的是“replacement has N rows”它经常发生在你的维度数据里有缺失值。比如分组列有空值、结局列有空字符串count之后某些组合没有行ggplot在分配行数时就对不上。排查时先用table(df$group, df$outcome)看一下有没有空格或NA把缺失值处理掉再画图。5.2 zip源代码包使用前必做的三件事下载别人分享的“源代码.zip”拿到手不要急着解压后直接跑我建议先做三件事。第一检查zip包是否完整。很多时候下载器中断会导致zip文件损坏Windows下用WinRAR或7-Zip打开时报“压缩文件已损坏”macOS下用unzip -t命令测试完整性unzip -t source_code.zip如果报错提示“file is not a zip file”基本可以确定文件本身就不是有效zip重新下载即可。这种情况经常不是代码问题就是下载没下全。第二检查R版本和包依赖。分享者的R版本可能是4.3或更高你本地如果有多个R环境最好用sessionInfo()看一下当前环境。代码开头如果有library调用但没写install.packages命令你要手动装包install.packages(c(ggalluvial, ggplot2, dplyr, tidyr))如果装包时报依赖包版本不对升级R或更新对应包都能解决但要注意别在别人代码目录里乱安装包最好单独建立项目环境。第三确认工作目录和文件路径。源代码解压后脚本里如果有read.csv(data.csv)这类相对路径写法运行前必须保证工作目录在解压后的文件夹里或者用setwd()切过去。我还见过文件名里有中文空格Windows下读数据时报错编码问题的情况解决办法是手动重命名文件为纯英文再改脚本里的对应字符串。5.3 踩坑之后我的几条习惯这些年在桑基图上踩过不少坑沉淀下来几条好用的习惯分享给你。第一条先跑通示例数据再换自己的数据。很多人拿到代码第一件事就是把自己的数据塞进去一旦报错就分不清是代码问题还是数据问题。我现在的习惯是先把源代码自带的CSV跑一遍确认出图效果和原作者一致再把自己的数据对齐成同样的格式替换进去。这样排查范围小很多。第二条把最终图导出后的肉眼检查当作强制流程。屏幕上80%大小看着合适导出PDF后放到100%看很多问题才会暴露。标签被裁、节点间流带交叉、图例和图形区域重叠都要在最终导出版本里检查一遍。第三条善用ggalluvial自带的示例数据来理解数据结构。比如跑一下data(vaccinations)用View()查看那个数据框长什么样你会立刻明白什么结构能画、什么结构不能画。这种通过阅读真实数据来反推数据结构的方式比读十遍文档都管用。最后再分享一个小技巧。如果你要画四层以上的桑基图节点标签特别多可以不用geom_text直接标在图上而是用节点序号代替再加一个图注说明每个序号代表什么类别。这样做虽然多了一步映射工作但图的整洁度提升明显很多高分期刊也接受这种信息图注化的做法。我最近几个图都是这么处理的审稿人反馈都不错。本文还有配套的精品资源点击获取