尧图网页设计 
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解决实验流程、物种迁移、资源分配等复杂流向关系的可视化表达难题。压缩包共3个文件1个R脚本、1个TXT数据模板、1个PDF说明文档总大小仅46KB轻量易用其中R脚本已封装完整绘图逻辑调用基于D3.js的sankeyNetwork包实现交互式桑基图TXT文件提供标准三列source/target/value数据结构示例PDF则详解参数配置、节点着色与标签定制等SCI出版级美化技巧。已有305人学习下载配套代码可直接运行支持快速替换自有数据、调整节点宽度与配色方案并内置悬停交互提示功能显著降低科研图表制作门槛助力论文插图高效产出。 很多人一开始接触桑基图是在Tableau或者在线工具里拖拽出来的。但真到了SCI论文返修阶段审稿人甩过来一句“请补充样本间的流向关系图”或者你想展示单细胞亚群在不同条件下的比例变化、肠道菌群属水平丰度在不同分组间的迁移这时候再用鼠标点来点去效率低且不说图的质量也完全没办法达到出版级别。我前阵子正好把一套R语言绘制桑基图的完整代码整理成了源代码包从数据清洗到节点配色再到导出300dpi的TIFF或PDF整个流程跑了十几遍踩了不少坑也沉淀出一些非常实用的经验。这篇博文就把这套源代码的使用逻辑、关键参数调优和避坑心得全部摊开讲清楚代码直接拿走改数据就能用。1. 为什么科研配图里桑基图突然吃香R语言又能给你什么1.1 桑基图的本质不是在画图是在讲故事的流向桑基图最核心的表达逻辑是“数量守恒的流动”。它由节点node和流动带link/flow组成流动带的宽度严格对应数值大小。这意味着它天然适合三类科研场景组间样本分配、不同时间点的状态转移、以及层级分类之间的归属关系。具体到我实际处理过的案例主要有这么几种单细胞测序里不同细胞亚群在不同条件下比如对照组 vs 给药组的比例如何迁移变化微生物多样性分析中门水平分类如何对应到属水平或者不同样品中OTU/ASV的丰度分配临床队列里不同基因分型患者经过治疗后疗效响应状态如何流转代谢组学中差异代谢物富集到哪些KEGG通路数量层级关系如何。审稿人喜欢桑基图是因为它把多个维度的分类关系和数值大小压缩到一张图里信息密度远高于堆叠柱状图或饼图而且视觉冲击力强放在文章里非常“撑门面”。1.2 为什么不是网络图不是alluvial diagram而是桑基很多人会把桑基图和冲击图alluvial diagram混淆。两者在视觉上极其相似但设计初衷不同冲击图更强调“分组之间类别构成的对比”对同一实体的轨迹追踪不是强项而桑基图的核心是“流”它的链接宽度代表流量大小节点位置代表分类层级天然适合表达source到target的单向流动。如果你的数据仅有两列x轴分类、y轴数值用冲击图更合适如果是多列分组比如从“样品类型”到“细胞类型”到“marker基因表达高低”的逐级映射用桑基图更符合科研表达的思维。我在这套源代码里默认的是networkD3包的sankeyNetwork函数和ggalluvial包的双方案写法前者出图快且自带交互后者画出来更符合ggplot用户的美学习惯后面会详细展开两者的取舍。1.3 R语言在这个场景下的不可替代性做科研图最怕的是“图做出来没法复现”。R语言虽然学习曲线稍微陡一点但它有三大优势是其他工具无法替代的第一数据清洗和作图流程可以完全打通。你不用像用在线工具那样先把数据整理成工具要求的格式再上传而是在R里从CSV读入、filter筛选、group_by汇总、sankeyNetwork绘图一气呵成。第二次换个数据集改一下路径就能跑不用点几十次鼠标。第二输出格式完全可控。SCI期刊对图片分辨率通常要求300 dpi以上、字体Arial/Helvetica、尺寸单栏8.5cm/双栏17cm都有自己的规矩R语言里通过png()、pdf()或ggsave()就能精确控制。在线工具导出来的图经常出现尺寸不对、字体不兼容、放大后发虚的问题。第三配色体系可以全自定义。Nature、Science、Cell都有自己的视觉风格你在R里可以任意指定十六进制颜色码或者使用ggsci包的NPG/AAAS/Lancet等科研配色改一个参数就能整体换肤。这比在线工具固定模板高到不知道哪去了。2. 源代码包里到底有什么包选型与数据格式的底层逻辑2.1 三个主流R包的横向对比我为什么最终保留了这两个方案市面上画桑基图的R包不止一个我前前后后试过networkD3、ggalluvial、riverplot最后在源代码包里保留了networkD3和ggalluvial两套。直接看对比R包输出类型图层语法交互性数据格式复杂度出版友好度networkD3htmlwidgetsHTMLJS非ggplot函数参数驱动强悬停、拖拽需要nodes/links两个数据框需截图或转存静态图ggalluvial静态ggplot对象ggplot2语法分组美学无长格式一行一个观测高可直接ggsaveriverplot静态基础绘图非ggplot自定义绘制弱按层级组织节点列表中样式相对老旧选型结论如果你要展示在组会上汇报用的交互式桑基图可以直接用networkD3生成HTML后用浏览器打开鼠标悬停能看到具体的流向数值非常方便给导师和合作者演示。但如果你的目标是SCI论文配图最终要的是静态的、排版优美的出版级图片我强烈建议用ggalluvial它在ggplot生态内字体、主题、配色都统一可控。我的源代码包里两个脚本分别对应这两种方案每条代码旁都注释了参数含义不用动脑子直接改了数据就能跑。2.2 数据格式是所有坑的根源你的数据准备好没有不管是哪个包桑基图数据的本质都是“从哪来source”和“到哪去target”的对应关系外加一个表示量级的数值。networkD3需要两个数据框Links每一行是一条流动带包含source、target、value三列。这里的source和target不是字符串而是节点的索引编号0开始Nodes每一行是一个节点包含name列用于Sankey图中显示标签。而ggalluvial走的是tidyverse路线它要求长格式数据一列是x轴上的分类变量比如“分组”一列是填充分类的类别比如“细胞亚型”一列是数值比如细胞数量或丰度再加一列alluvium标识用于表明哪些行属于同一条“流”。我在源码包里写了一个非常关键的辅助函数叫做data_to_sankey()它做的事情就是用dplyr把常见的宽格式数据例如患病人群的特征交叉表自动转换成Links和Nodes结构。你们拿到代码后不需要手搓索引编号只要保证原始数据是“每个样本一行、每个分类变量一列”的形式函数就能自动完成分组汇总和索引映射。2.3 典型数据场景演练从一张临床特征表到桑基图举一个实际例子。假设你有这样一份患者数据data.csv列包括PatientID患者编号GeneSubtype基因分型Type1/Type2/Type3Response治疗效果CR/PR/SD/PDStage临床分期I/II/III/IV你想画一张“基因分型 → 临床分期 → 治疗效果”的三层桑基图直观展示不同分型的患者在临床分期分布以及疗效响应上的差异。用我源代码包里的读入脚本逻辑是这样的用read_csv读入数据用select把需要的三列选出来用count()计算各组合的出现人数value直接喂给data_to_sankey()函数自动生成适合networkD3的两个数据框sankeyNetwork(Links links, Nodes nodes, Source IDsource, Target IDtarget, Value value, NodeID name)出图。整个过程20行代码以内搞定。即使你之前完全没接触过R语言按照源代码包里的注释顺序跑初学读者大约在半小时内就能看到第一张桑基图。3. 核心代码逐段拆解从“能出图”到“出好图”的完整进化3.1 先用ggalluvial跑通最小可用版本如果是第一次跑我建议先上ggalluvial。它对新手最友好因为你可以像搭积木一样一层层加参数。直接看代码# 安装并加载包 install.packages(ggalluvial) install.packages(ggplot2) install.packages(dplyr) library(ggalluvial) library(ggplot2) library(dplyr) # 读取数据 df - read.csv(data.csv, stringsAsFactors FALSE) # 数据汇总这里以三列分类为例 df_count - df %% count(GeneSubtype, Stage, Response, name Freq) # 用is_alluvia_form检查数据是否符合格式要求 is_alluvia_form(df_count, axes 1:3, silent FALSE) # 绘制桑基图 ggplot(df_count, aes(y Freq, axis1 GeneSubtype, axis2 Stage, axis3 Response)) geom_alluvium(aes(fill Response), width 1/12) geom_stratum(width 1/12, fill black, color grey) geom_label(stat stratum, aes(label after_stat(stratum)), size 3) scale_x_discrete(limits c(GeneSubtype, Stage, Response), expand c(0.05, 0.05)) scale_fill_manual(values c(CR #4DBBD5, PR #00A087, SD #E64B35, PD #3C5488)) theme_minimal(base_size 14) labs(title Gene Subtype to Treatment Response, y Number of Patients)这里有几个非常容易踩的坑我一个个说is_alluvia_form这步不能省。它会检查每一行的组合是否唯一如果数据里有重复行或者某一层的类别与其他层完全一一对应即所谓“完全嵌套”它会直接报错提示。很多新手在这里被卡住实际上就是数据预处理没做好导致alluvium无法正确识别。after_stat(stratum)这个写法在旧版ggalluvial里会报错。如果你装了最新版本建议直接用label after_stat(stratum)不要再用as.character之类的老代码。网络上下载的很多教程代码在这里失效就是因为包版本更新导致的。geom_stratum的fill我设成了黑色这会让层次结构非常清晰地压在彩色的流带上面视觉对比度更强。如果你不喜欢这种硬风格也可以设成白色或灰色看个人审美。3.2 升级到SCI审美自定义字体、配色和主题最小版本跑通之后距离投稿还有一段路。我通常会在出图前做三件小事统一字体。用theme(text element_text(family Arial))保证所有文字都是无衬线体与期刊要求对齐设计色彩。不要用默认的ggplot2色板那个饱和度太高印出来会很廉价。我习惯用ggsci包里的scale_fill_npg()或者手动指定Lancet系列颜色调整画布比例。桑基图讨厌扁长也不喜欢太高我一般用ggsave(width 8, height 6, dpi 300)这个比例下节点标签不会重叠。直接给一段我常用的主题配置library(ggsci) my_theme - theme_minimal(base_size 14, base_family Arial) theme( panel.grid element_blank(), axis.text.y element_blank(), axis.ticks.y element_blank(), axis.title.y element_blank(), axis.text.x element_text(size 13, face bold), plot.title element_text(hjust 0.5, size 16, face bold), legend.position right ) # 结合上面的图 ggplot(df_count, aes(y Freq, axis1 GeneSubtype, axis2 Stage, axis3 Response)) geom_alluvium(aes(fill Response), width 1/12, alpha 0.85) geom_stratum(width 1/12, fill white, color black, linewidth 0.3) geom_text(stat stratum, aes(label after_stat(stratum)), size 3.5) scale_x_discrete(limits c(GeneSubtype, Stage, Response), expand c(0.05, 0.05)) scale_fill_lancet() my_theme这里alpha 0.85是给流带加了透明度当不同响应组的流动带在中间交叉重叠时看背后的分界会更清楚。这是很多SCI配图里的常见处理技巧。3.3 networkD3交互版本适合内部汇报和审稿人补充材料如果你是要给导师、合作者或者期刊补充材料做一个可交互的桑基图networkD3是首选。它做出来的HTML可以直接在浏览器里打开鼠标悬停显示数值节点可以手动拖拽调整位置非常炫酷。library(networkD3) library(dplyr) # 读取数据并汇总 df - read.csv(data.csv, stringsAsFactors FALSE) df_count - df %% count(GeneSubtype, Stage, Response, name Freq) # 构建nodes和links # 步骤1提取所有唯一节点 nodes - data.frame( name c(as.character(df_count$GeneSubtype), as.character(df_count$Stage), as.character(df_count$Response)) ) %% distinct() # 步骤2把分类变量映射成节点索引 df_count$IDsource - match(df_count$GeneSubtype, nodes$name) - 1 df_count$IDtarget - match(df_count$Stage, nodes$name) - 1 # 注意这里缺了第二层到第三层的映射需要再构建一层连接 df_count_2 - df %% count(Stage, Response, name Freq) df_count_2$IDsource - match(df_count_2$Stage, nodes$name) - 1 df_count_2$IDtarget - match(df_count_2$Response, nodes$name) - 1 # 合并两层链接 links - rbind( df_count[, c(IDsource, IDtarget, Freq)] %% rename(value Freq), df_count_2[, c(IDsource, IDtarget, Freq)] %% rename(value Freq) ) # 绘图 sankeyNetwork(Links links, Nodes nodes, Source IDsource, Target IDtarget, Value value, NodeID name, NodeGroup name, fontSize 14, nodeWidth 20, nodePadding 10, height 600, width 900)这段代码是网络教程里常被忽略的关键点很多人只计算了第一层到第二层的连接忘了把第二层到第三层的连接也合并进来。我写的时候故意拆成了两个count()目的就是提醒大家links数据框要包含所有相邻层级之间的流动不是只要一组。如果你发现图里只有两层能显示第三层完全没接上99%就是这个原因。NodeGroup name的作用是让所有同名节点自动分配同一个颜色。这样“Type1”在第一层和潜在的其他位置比如如果后续要加层会保持一致不会出现同一个分类两种颜色的尴尬情况。3.4 把交互图转成静态高分辨率图片的两种思路这是networkD3方案最让人头疼的部分它生成的是HTML期刊不收HTML。我自己试过两种还不错的解决方式第一种是用webshot2包。先安装Chrome浏览器然后调用webshot2::webshot(sankey.html, sankey.png, vwidth 1000, vheight 700, zoom 3)zoom参数调到3出来的PNG分辨率就够300dpi的要求了。注意webshot2用的是Chromote自动调起浏览器第一次跑可能需要联网安装对应驱动别慌。第二种是把networkD3图片嵌入R Markdown或Shiny应用里然后通过浏览器的“打印为PDF”功能导出矢量格式。但这个方法导出的PDF字体可能和原图略有不同而且操作步骤对不熟悉浏览器开发者工具的人来说比较繁琐。如果你走ggalluvial路线就没有这个烦恼ggsave(sankey.tiff, width 8, height 6, dpi 300, compression lzw)一行代码直接提交TIFF。4. 论文出版级细节尺寸、字体、颜色与导出格式的完整方案4.1 期刊图的硬指标别等投稿了才来补我见过太多人在最后投稿前疯狂返工改图浪费大量时间。其实这些硬指标写代码的时候就应该一次性配置好。核心标准参考这里单栏图片宽度约8.5 cm双栏图片宽度约17.5 cm分辨率300 dpi审稿时如果图片不够清晰编辑直接打回字体Arial或Helvetica字号不小于6 pt文件格式TIFF或EPSLine art / TIFF照片图 / PDF矢量我在代码包里的导出模板长这样# 单栏图的ggsave标准写法 ggsave(Figure_3_sankey.tiff, plot last_plot(), width 8.5, height 6, units cm, dpi 300, compression lzw) # 需双栏时把宽度改成17.5cm同时相应增加height # 防止字体被压缩变形 ggsave(Figure_3_sankey_double.tiff, plot last_plot(), width 17.5, height 12, units cm, dpi 300, compression lzw)关于压缩方式我习惯用compression lzw这是一个无损压缩算法TIFF格式在投稿系统里上传时体积小而且兼容性极好不会像zip压缩那样可能让部分审稿系统打不开。4.2 颜色方案别瞎配给出可直接抄的三套组合配色是桑基图看上去“专不专业”的第一眼印象。流量带颜色太杂整张图会显得乱颜色太相近又分不清哪条流对应哪个类别。我常用三套方案方案一Lancet临床风。用scale_fill_lancet()配色偏冷色调有学术感适合医学、流行病学数据方案二Nature Reviews风。用scale_fill_npg()颜色对比更强适合细胞生物学、分型结果展示方案三全手动精准控制。用scale_fill_manual(values c(Type1 #E64B35, Type2 #4DBBD5, Type3 #00A087, CR #F39B7F, ...))适合课题组自己定义的分类体系。如果你拿不准具体色值直接打开ggsci包的文档查色板它有完整的色值十六进制代码拷贝出来用就行。4.3 图层顺序和透明度让你的图告别“一坨色块”很多刚接触ggalluvial的人会发现流的颜色一旦多起来中间区域就会变成无法分辨的黑糊糊。这其实不是数据问题是图层顺序和透明度没控制好。我把geom_alluvium的alpha从默认的1调低到0.85左右让下层流带能透出上层流带的轮廓同时把geom_stratum的描边加粗一点linewidth 0.3保证每个层级的分类块始终清晰可辨。如果分类层级特别多超过5个那你得考虑是否真的需要把所有颜色都塞进去。我通常的做法是保留最大的3-4个类别其余合并到“Others”或者“Other subtypes”。这不是糊弄数据而是为了让视觉信息不超载更符合论文“highlight主要结论”的定位。5. 避坑实录跑代码过程中最常见的六个报错与异常5.1 “Error: Alluvia must occupy distinct time steps”这个报错大多数是因为数据格式不对。ggalluvial要求每一行必须对应“同一个观测实体在不同轴上的类别组合”如果你的数据里同一行只包含一个轴的数据而没有体现所有层级的组合就会触发这个错误。排查思路# 看看你的数据是不是长这样 df_count - df %% count(GeneSubtype, Stage, Response, name Freq)count()要包含所有需要展示的轴变量一个都不能少。如果你只count(GeneSubtype, Response)就会提示时间步不连续。5.2 networkD3画出空白图只有节点没有流几乎每个人第一次用networkD3都会遇到。原因通常是links数据框中的source和target列写反了。source是来源节点索引target是目标节点索引一旦顺序颠倒节点就完全连不上。我调试的时候常用的方法打印links数据框前10行手工检查索引是否落在nodes的合法范围内。head(links)然后确认节点索引从0开始不是从1开始。R语言默认索引从1开始但networkD3内部用的是JavaScript索引从0开始。match(...) - 1这步不能丢这是全网最容易踩的坑。5.3 中文标签乱码或者直接显示成方块networkD3的底层是JavaScript对中文字体支持不太稳定。如果你用RStudio直接渲染常见的结果是中文全部变成乱码方块。我的建议是能用英文标签就用英文标签SCI论文本来就要求英文。如果非要展示中文可以先把节点标签转换成一个映射表在输出前换成拼音或英文缩写。ggalluvial相对好一些它走的是ggplot渲染系统但前提是系统里安装了中文字体同时你要在theme里指定base_family SimHei或STHeiti。5.4 节点标签重叠长分类名挤成一团当某一层的分类超过8个时标签重叠几乎不可避免。解决办法优先级从高到低依次是合并出现频率小于5%的类别到“Others”调整画布高度给每个节点腾出空间ggsave时增加height参数换用geom_text的size参数从3.5调小到2.8考虑使用networkD3的交互模式让标签悬停显示从根本上解决静态图空间不足的问题。5.5 数值为0的类别导致流带宽度为零整条颜色消失数据稀疏时常见。R不会报错但图上会出现一条“视觉上不存在的流”导致节点位置判断失误。处理办法绘图前用dplyr过滤掉value为0的行df_count - df_count %% filter(Freq 0)同时确认没有缺失值NA。如果原始数据里存在未分类的患者一定要先决定好是归入“Unknown”还是直接剔除不能留着让count函数自动处理成NA参与作图。5.6 颜色数量超过预设色板数量R直接报错或自动重新循环如果你手动写的scale_fill_manual(values c(...))里颜色数量少于实际分类数ggplot会报错“Insufficient values in manual scale”。这时候要么补充颜色要么改用scale_fill_viridis_d()或者scale_fill_brewer(palette Set2)这类不限制颜色数量的连续色板。6. 延伸玩法多组对比、动态交互和拼图排版6.1 分面桑基图如何并列展示多个实验组有时候你需要同时展示“治疗前 vs 治疗后”两个桑基图并排放置让差异一目了然。ggalluvial支持facet语法只要把数据里增加一列“Timepoint”然后在ggplot里加上facet_wrap(~Timepoint, ncol 2)就能实现。要注意的是所有facet共享同一个y轴尺度如果你的两个组细胞总数差异悬殊小比例的组流带会被压得看不清。这种情况建议改用scales free_y参数让各自的y轴独立缩放。6.2 从静态到交互的联动san基图Shiny仪表盘如果你想把桑基图嵌入课题组内部的Shiny报表应用networkD3是当仁不让的选择。它的输出本身就是HTML组件可以直接嵌入shiny的UI里配合selectInput切换不同数据集实时重绘桑基图。我在代码包里附了一个mini Shiny App示例数据上传功能、分组筛选、颜色主题切换都写好了适合组内数据探索场景。如果你对Shiny不熟直接运行runApp()就能看到效果。6.3 与其他图表拼图桑基图堆叠柱状图气泡图的组合排版SCI论文里一张主图经常是多张小图拼成的。桑基图作为“趋势流向”展示常配上堆叠柱状图展示各组的绝对数量以及气泡图展示富集通路或特征值。用R的patchwork包就能轻松拼图library(patchwork) combined - (p_sankey | p_bar) / p_bubble plot_layout(heights c(2, 1)) plot_annotation(tag_levels A)给每个子图加上A、B、C标签直接导出成Figure 3排版工整审稿人看着也舒服。这个段落我在源代码包里也写了完整示例patchwork的参数注释了很多不用担心拼不对。最后的实操心得如果只让我留一条建议给后来者那就是在动手画桑基图之前先把你的数据框结构打印出来看一遍确认每一列是什么、每一行代表什么、组合是否唯一。我这套源代码包里最值钱的部分其实不是最后那几行绘图函数而是前面那个自动把宽表转成长表、把字符串转成索引的辅助函数。它帮你省掉了手工整理数据的最痛苦环节也天然避免了很多因为格式不对导致的报错。你拿到压缩包后只要把read.csv那行路径改成自己的数据后面大概率一次就能跑通。另外投稿前务必把图片在“实际打印尺寸”下检查一遍。屏幕上看着很清晰不代表缩小到8.5厘米宽的时候节点标签还能看清。我在三篇文章的返修阶段都被这个问题折磨过后来干脆在代码里加了一句ggsave(width 8.5, height 6, units cm, dpi 300)每次出图都强制按单栏尺寸来再也没翻过车。本文还有配套的精品资源点击获取 R语言绘制SCI级桑基图：从数据清洗到出版级导出的完整实战
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解决实验流程、物种迁移、资源分配等复杂流向关系的可视化表达难题。压缩包共3个文件1个R脚本、1个TXT数据模板、1个PDF说明文档总大小仅46KB轻量易用其中R脚本已封装完整绘图逻辑调用基于D3.js的sankeyNetwork包实现交互式桑基图TXT文件提供标准三列source/target/value数据结构示例PDF则详解参数配置、节点着色与标签定制等SCI出版级美化技巧。已有305人学习下载配套代码可直接运行支持快速替换自有数据、调整节点宽度与配色方案并内置悬停交互提示功能显著降低科研图表制作门槛助力论文插图高效产出。 很多人一开始接触桑基图是在Tableau或者在线工具里拖拽出来的。但真到了SCI论文返修阶段审稿人甩过来一句“请补充样本间的流向关系图”或者你想展示单细胞亚群在不同条件下的比例变化、肠道菌群属水平丰度在不同分组间的迁移这时候再用鼠标点来点去效率低且不说图的质量也完全没办法达到出版级别。我前阵子正好把一套R语言绘制桑基图的完整代码整理成了源代码包从数据清洗到节点配色再到导出300dpi的TIFF或PDF整个流程跑了十几遍踩了不少坑也沉淀出一些非常实用的经验。这篇博文就把这套源代码的使用逻辑、关键参数调优和避坑心得全部摊开讲清楚代码直接拿走改数据就能用。1. 为什么科研配图里桑基图突然吃香R语言又能给你什么1.1 桑基图的本质不是在画图是在讲故事的流向桑基图最核心的表达逻辑是“数量守恒的流动”。它由节点node和流动带link/flow组成流动带的宽度严格对应数值大小。这意味着它天然适合三类科研场景组间样本分配、不同时间点的状态转移、以及层级分类之间的归属关系。具体到我实际处理过的案例主要有这么几种单细胞测序里不同细胞亚群在不同条件下比如对照组 vs 给药组的比例如何迁移变化微生物多样性分析中门水平分类如何对应到属水平或者不同样品中OTU/ASV的丰度分配临床队列里不同基因分型患者经过治疗后疗效响应状态如何流转代谢组学中差异代谢物富集到哪些KEGG通路数量层级关系如何。审稿人喜欢桑基图是因为它把多个维度的分类关系和数值大小压缩到一张图里信息密度远高于堆叠柱状图或饼图而且视觉冲击力强放在文章里非常“撑门面”。1.2 为什么不是网络图不是alluvial diagram而是桑基很多人会把桑基图和冲击图alluvial diagram混淆。两者在视觉上极其相似但设计初衷不同冲击图更强调“分组之间类别构成的对比”对同一实体的轨迹追踪不是强项而桑基图的核心是“流”它的链接宽度代表流量大小节点位置代表分类层级天然适合表达source到target的单向流动。如果你的数据仅有两列x轴分类、y轴数值用冲击图更合适如果是多列分组比如从“样品类型”到“细胞类型”到“marker基因表达高低”的逐级映射用桑基图更符合科研表达的思维。我在这套源代码里默认的是networkD3包的sankeyNetwork函数和ggalluvial包的双方案写法前者出图快且自带交互后者画出来更符合ggplot用户的美学习惯后面会详细展开两者的取舍。1.3 R语言在这个场景下的不可替代性做科研图最怕的是“图做出来没法复现”。R语言虽然学习曲线稍微陡一点但它有三大优势是其他工具无法替代的第一数据清洗和作图流程可以完全打通。你不用像用在线工具那样先把数据整理成工具要求的格式再上传而是在R里从CSV读入、filter筛选、group_by汇总、sankeyNetwork绘图一气呵成。第二次换个数据集改一下路径就能跑不用点几十次鼠标。第二输出格式完全可控。SCI期刊对图片分辨率通常要求300 dpi以上、字体Arial/Helvetica、尺寸单栏8.5cm/双栏17cm都有自己的规矩R语言里通过png()、pdf()或ggsave()就能精确控制。在线工具导出来的图经常出现尺寸不对、字体不兼容、放大后发虚的问题。第三配色体系可以全自定义。Nature、Science、Cell都有自己的视觉风格你在R里可以任意指定十六进制颜色码或者使用ggsci包的NPG/AAAS/Lancet等科研配色改一个参数就能整体换肤。这比在线工具固定模板高到不知道哪去了。2. 源代码包里到底有什么包选型与数据格式的底层逻辑2.1 三个主流R包的横向对比我为什么最终保留了这两个方案市面上画桑基图的R包不止一个我前前后后试过networkD3、ggalluvial、riverplot最后在源代码包里保留了networkD3和ggalluvial两套。直接看对比R包输出类型图层语法交互性数据格式复杂度出版友好度networkD3htmlwidgetsHTMLJS非ggplot函数参数驱动强悬停、拖拽需要nodes/links两个数据框需截图或转存静态图ggalluvial静态ggplot对象ggplot2语法分组美学无长格式一行一个观测高可直接ggsaveriverplot静态基础绘图非ggplot自定义绘制弱按层级组织节点列表中样式相对老旧选型结论如果你要展示在组会上汇报用的交互式桑基图可以直接用networkD3生成HTML后用浏览器打开鼠标悬停能看到具体的流向数值非常方便给导师和合作者演示。但如果你的目标是SCI论文配图最终要的是静态的、排版优美的出版级图片我强烈建议用ggalluvial它在ggplot生态内字体、主题、配色都统一可控。我的源代码包里两个脚本分别对应这两种方案每条代码旁都注释了参数含义不用动脑子直接改了数据就能跑。2.2 数据格式是所有坑的根源你的数据准备好没有不管是哪个包桑基图数据的本质都是“从哪来source”和“到哪去target”的对应关系外加一个表示量级的数值。networkD3需要两个数据框Links每一行是一条流动带包含source、target、value三列。这里的source和target不是字符串而是节点的索引编号0开始Nodes每一行是一个节点包含name列用于Sankey图中显示标签。而ggalluvial走的是tidyverse路线它要求长格式数据一列是x轴上的分类变量比如“分组”一列是填充分类的类别比如“细胞亚型”一列是数值比如细胞数量或丰度再加一列alluvium标识用于表明哪些行属于同一条“流”。我在源码包里写了一个非常关键的辅助函数叫做data_to_sankey()它做的事情就是用dplyr把常见的宽格式数据例如患病人群的特征交叉表自动转换成Links和Nodes结构。你们拿到代码后不需要手搓索引编号只要保证原始数据是“每个样本一行、每个分类变量一列”的形式函数就能自动完成分组汇总和索引映射。2.3 典型数据场景演练从一张临床特征表到桑基图举一个实际例子。假设你有这样一份患者数据data.csv列包括PatientID患者编号GeneSubtype基因分型Type1/Type2/Type3Response治疗效果CR/PR/SD/PDStage临床分期I/II/III/IV你想画一张“基因分型 → 临床分期 → 治疗效果”的三层桑基图直观展示不同分型的患者在临床分期分布以及疗效响应上的差异。用我源代码包里的读入脚本逻辑是这样的用read_csv读入数据用select把需要的三列选出来用count()计算各组合的出现人数value直接喂给data_to_sankey()函数自动生成适合networkD3的两个数据框sankeyNetwork(Links links, Nodes nodes, Source IDsource, Target IDtarget, Value value, NodeID name)出图。整个过程20行代码以内搞定。即使你之前完全没接触过R语言按照源代码包里的注释顺序跑初学读者大约在半小时内就能看到第一张桑基图。3. 核心代码逐段拆解从“能出图”到“出好图”的完整进化3.1 先用ggalluvial跑通最小可用版本如果是第一次跑我建议先上ggalluvial。它对新手最友好因为你可以像搭积木一样一层层加参数。直接看代码# 安装并加载包 install.packages(ggalluvial) install.packages(ggplot2) install.packages(dplyr) library(ggalluvial) library(ggplot2) library(dplyr) # 读取数据 df - read.csv(data.csv, stringsAsFactors FALSE) # 数据汇总这里以三列分类为例 df_count - df %% count(GeneSubtype, Stage, Response, name Freq) # 用is_alluvia_form检查数据是否符合格式要求 is_alluvia_form(df_count, axes 1:3, silent FALSE) # 绘制桑基图 ggplot(df_count, aes(y Freq, axis1 GeneSubtype, axis2 Stage, axis3 Response)) geom_alluvium(aes(fill Response), width 1/12) geom_stratum(width 1/12, fill black, color grey) geom_label(stat stratum, aes(label after_stat(stratum)), size 3) scale_x_discrete(limits c(GeneSubtype, Stage, Response), expand c(0.05, 0.05)) scale_fill_manual(values c(CR #4DBBD5, PR #00A087, SD #E64B35, PD #3C5488)) theme_minimal(base_size 14) labs(title Gene Subtype to Treatment Response, y Number of Patients)这里有几个非常容易踩的坑我一个个说is_alluvia_form这步不能省。它会检查每一行的组合是否唯一如果数据里有重复行或者某一层的类别与其他层完全一一对应即所谓“完全嵌套”它会直接报错提示。很多新手在这里被卡住实际上就是数据预处理没做好导致alluvium无法正确识别。after_stat(stratum)这个写法在旧版ggalluvial里会报错。如果你装了最新版本建议直接用label after_stat(stratum)不要再用as.character之类的老代码。网络上下载的很多教程代码在这里失效就是因为包版本更新导致的。geom_stratum的fill我设成了黑色这会让层次结构非常清晰地压在彩色的流带上面视觉对比度更强。如果你不喜欢这种硬风格也可以设成白色或灰色看个人审美。3.2 升级到SCI审美自定义字体、配色和主题最小版本跑通之后距离投稿还有一段路。我通常会在出图前做三件小事统一字体。用theme(text element_text(family Arial))保证所有文字都是无衬线体与期刊要求对齐设计色彩。不要用默认的ggplot2色板那个饱和度太高印出来会很廉价。我习惯用ggsci包里的scale_fill_npg()或者手动指定Lancet系列颜色调整画布比例。桑基图讨厌扁长也不喜欢太高我一般用ggsave(width 8, height 6, dpi 300)这个比例下节点标签不会重叠。直接给一段我常用的主题配置library(ggsci) my_theme - theme_minimal(base_size 14, base_family Arial) theme( panel.grid element_blank(), axis.text.y element_blank(), axis.ticks.y element_blank(), axis.title.y element_blank(), axis.text.x element_text(size 13, face bold), plot.title element_text(hjust 0.5, size 16, face bold), legend.position right ) # 结合上面的图 ggplot(df_count, aes(y Freq, axis1 GeneSubtype, axis2 Stage, axis3 Response)) geom_alluvium(aes(fill Response), width 1/12, alpha 0.85) geom_stratum(width 1/12, fill white, color black, linewidth 0.3) geom_text(stat stratum, aes(label after_stat(stratum)), size 3.5) scale_x_discrete(limits c(GeneSubtype, Stage, Response), expand c(0.05, 0.05)) scale_fill_lancet() my_theme这里alpha 0.85是给流带加了透明度当不同响应组的流动带在中间交叉重叠时看背后的分界会更清楚。这是很多SCI配图里的常见处理技巧。3.3 networkD3交互版本适合内部汇报和审稿人补充材料如果你是要给导师、合作者或者期刊补充材料做一个可交互的桑基图networkD3是首选。它做出来的HTML可以直接在浏览器里打开鼠标悬停显示数值节点可以手动拖拽调整位置非常炫酷。library(networkD3) library(dplyr) # 读取数据并汇总 df - read.csv(data.csv, stringsAsFactors FALSE) df_count - df %% count(GeneSubtype, Stage, Response, name Freq) # 构建nodes和links # 步骤1提取所有唯一节点 nodes - data.frame( name c(as.character(df_count$GeneSubtype), as.character(df_count$Stage), as.character(df_count$Response)) ) %% distinct() # 步骤2把分类变量映射成节点索引 df_count$IDsource - match(df_count$GeneSubtype, nodes$name) - 1 df_count$IDtarget - match(df_count$Stage, nodes$name) - 1 # 注意这里缺了第二层到第三层的映射需要再构建一层连接 df_count_2 - df %% count(Stage, Response, name Freq) df_count_2$IDsource - match(df_count_2$Stage, nodes$name) - 1 df_count_2$IDtarget - match(df_count_2$Response, nodes$name) - 1 # 合并两层链接 links - rbind( df_count[, c(IDsource, IDtarget, Freq)] %% rename(value Freq), df_count_2[, c(IDsource, IDtarget, Freq)] %% rename(value Freq) ) # 绘图 sankeyNetwork(Links links, Nodes nodes, Source IDsource, Target IDtarget, Value value, NodeID name, NodeGroup name, fontSize 14, nodeWidth 20, nodePadding 10, height 600, width 900)这段代码是网络教程里常被忽略的关键点很多人只计算了第一层到第二层的连接忘了把第二层到第三层的连接也合并进来。我写的时候故意拆成了两个count()目的就是提醒大家links数据框要包含所有相邻层级之间的流动不是只要一组。如果你发现图里只有两层能显示第三层完全没接上99%就是这个原因。NodeGroup name的作用是让所有同名节点自动分配同一个颜色。这样“Type1”在第一层和潜在的其他位置比如如果后续要加层会保持一致不会出现同一个分类两种颜色的尴尬情况。3.4 把交互图转成静态高分辨率图片的两种思路这是networkD3方案最让人头疼的部分它生成的是HTML期刊不收HTML。我自己试过两种还不错的解决方式第一种是用webshot2包。先安装Chrome浏览器然后调用webshot2::webshot(sankey.html, sankey.png, vwidth 1000, vheight 700, zoom 3)zoom参数调到3出来的PNG分辨率就够300dpi的要求了。注意webshot2用的是Chromote自动调起浏览器第一次跑可能需要联网安装对应驱动别慌。第二种是把networkD3图片嵌入R Markdown或Shiny应用里然后通过浏览器的“打印为PDF”功能导出矢量格式。但这个方法导出的PDF字体可能和原图略有不同而且操作步骤对不熟悉浏览器开发者工具的人来说比较繁琐。如果你走ggalluvial路线就没有这个烦恼ggsave(sankey.tiff, width 8, height 6, dpi 300, compression lzw)一行代码直接提交TIFF。4. 论文出版级细节尺寸、字体、颜色与导出格式的完整方案4.1 期刊图的硬指标别等投稿了才来补我见过太多人在最后投稿前疯狂返工改图浪费大量时间。其实这些硬指标写代码的时候就应该一次性配置好。核心标准参考这里单栏图片宽度约8.5 cm双栏图片宽度约17.5 cm分辨率300 dpi审稿时如果图片不够清晰编辑直接打回字体Arial或Helvetica字号不小于6 pt文件格式TIFF或EPSLine art / TIFF照片图 / PDF矢量我在代码包里的导出模板长这样# 单栏图的ggsave标准写法 ggsave(Figure_3_sankey.tiff, plot last_plot(), width 8.5, height 6, units cm, dpi 300, compression lzw) # 需双栏时把宽度改成17.5cm同时相应增加height # 防止字体被压缩变形 ggsave(Figure_3_sankey_double.tiff, plot last_plot(), width 17.5, height 12, units cm, dpi 300, compression lzw)关于压缩方式我习惯用compression lzw这是一个无损压缩算法TIFF格式在投稿系统里上传时体积小而且兼容性极好不会像zip压缩那样可能让部分审稿系统打不开。4.2 颜色方案别瞎配给出可直接抄的三套组合配色是桑基图看上去“专不专业”的第一眼印象。流量带颜色太杂整张图会显得乱颜色太相近又分不清哪条流对应哪个类别。我常用三套方案方案一Lancet临床风。用scale_fill_lancet()配色偏冷色调有学术感适合医学、流行病学数据方案二Nature Reviews风。用scale_fill_npg()颜色对比更强适合细胞生物学、分型结果展示方案三全手动精准控制。用scale_fill_manual(values c(Type1 #E64B35, Type2 #4DBBD5, Type3 #00A087, CR #F39B7F, ...))适合课题组自己定义的分类体系。如果你拿不准具体色值直接打开ggsci包的文档查色板它有完整的色值十六进制代码拷贝出来用就行。4.3 图层顺序和透明度让你的图告别“一坨色块”很多刚接触ggalluvial的人会发现流的颜色一旦多起来中间区域就会变成无法分辨的黑糊糊。这其实不是数据问题是图层顺序和透明度没控制好。我把geom_alluvium的alpha从默认的1调低到0.85左右让下层流带能透出上层流带的轮廓同时把geom_stratum的描边加粗一点linewidth 0.3保证每个层级的分类块始终清晰可辨。如果分类层级特别多超过5个那你得考虑是否真的需要把所有颜色都塞进去。我通常的做法是保留最大的3-4个类别其余合并到“Others”或者“Other subtypes”。这不是糊弄数据而是为了让视觉信息不超载更符合论文“highlight主要结论”的定位。5. 避坑实录跑代码过程中最常见的六个报错与异常5.1 “Error: Alluvia must occupy distinct time steps”这个报错大多数是因为数据格式不对。ggalluvial要求每一行必须对应“同一个观测实体在不同轴上的类别组合”如果你的数据里同一行只包含一个轴的数据而没有体现所有层级的组合就会触发这个错误。排查思路# 看看你的数据是不是长这样 df_count - df %% count(GeneSubtype, Stage, Response, name Freq)count()要包含所有需要展示的轴变量一个都不能少。如果你只count(GeneSubtype, Response)就会提示时间步不连续。5.2 networkD3画出空白图只有节点没有流几乎每个人第一次用networkD3都会遇到。原因通常是links数据框中的source和target列写反了。source是来源节点索引target是目标节点索引一旦顺序颠倒节点就完全连不上。我调试的时候常用的方法打印links数据框前10行手工检查索引是否落在nodes的合法范围内。head(links)然后确认节点索引从0开始不是从1开始。R语言默认索引从1开始但networkD3内部用的是JavaScript索引从0开始。match(...) - 1这步不能丢这是全网最容易踩的坑。5.3 中文标签乱码或者直接显示成方块networkD3的底层是JavaScript对中文字体支持不太稳定。如果你用RStudio直接渲染常见的结果是中文全部变成乱码方块。我的建议是能用英文标签就用英文标签SCI论文本来就要求英文。如果非要展示中文可以先把节点标签转换成一个映射表在输出前换成拼音或英文缩写。ggalluvial相对好一些它走的是ggplot渲染系统但前提是系统里安装了中文字体同时你要在theme里指定base_family SimHei或STHeiti。5.4 节点标签重叠长分类名挤成一团当某一层的分类超过8个时标签重叠几乎不可避免。解决办法优先级从高到低依次是合并出现频率小于5%的类别到“Others”调整画布高度给每个节点腾出空间ggsave时增加height参数换用geom_text的size参数从3.5调小到2.8考虑使用networkD3的交互模式让标签悬停显示从根本上解决静态图空间不足的问题。5.5 数值为0的类别导致流带宽度为零整条颜色消失数据稀疏时常见。R不会报错但图上会出现一条“视觉上不存在的流”导致节点位置判断失误。处理办法绘图前用dplyr过滤掉value为0的行df_count - df_count %% filter(Freq 0)同时确认没有缺失值NA。如果原始数据里存在未分类的患者一定要先决定好是归入“Unknown”还是直接剔除不能留着让count函数自动处理成NA参与作图。5.6 颜色数量超过预设色板数量R直接报错或自动重新循环如果你手动写的scale_fill_manual(values c(...))里颜色数量少于实际分类数ggplot会报错“Insufficient values in manual scale”。这时候要么补充颜色要么改用scale_fill_viridis_d()或者scale_fill_brewer(palette Set2)这类不限制颜色数量的连续色板。6. 延伸玩法多组对比、动态交互和拼图排版6.1 分面桑基图如何并列展示多个实验组有时候你需要同时展示“治疗前 vs 治疗后”两个桑基图并排放置让差异一目了然。ggalluvial支持facet语法只要把数据里增加一列“Timepoint”然后在ggplot里加上facet_wrap(~Timepoint, ncol 2)就能实现。要注意的是所有facet共享同一个y轴尺度如果你的两个组细胞总数差异悬殊小比例的组流带会被压得看不清。这种情况建议改用scales free_y参数让各自的y轴独立缩放。6.2 从静态到交互的联动san基图Shiny仪表盘如果你想把桑基图嵌入课题组内部的Shiny报表应用networkD3是当仁不让的选择。它的输出本身就是HTML组件可以直接嵌入shiny的UI里配合selectInput切换不同数据集实时重绘桑基图。我在代码包里附了一个mini Shiny App示例数据上传功能、分组筛选、颜色主题切换都写好了适合组内数据探索场景。如果你对Shiny不熟直接运行runApp()就能看到效果。6.3 与其他图表拼图桑基图堆叠柱状图气泡图的组合排版SCI论文里一张主图经常是多张小图拼成的。桑基图作为“趋势流向”展示常配上堆叠柱状图展示各组的绝对数量以及气泡图展示富集通路或特征值。用R的patchwork包就能轻松拼图library(patchwork) combined - (p_sankey | p_bar) / p_bubble plot_layout(heights c(2, 1)) plot_annotation(tag_levels A)给每个子图加上A、B、C标签直接导出成Figure 3排版工整审稿人看着也舒服。这个段落我在源代码包里也写了完整示例patchwork的参数注释了很多不用担心拼不对。最后的实操心得如果只让我留一条建议给后来者那就是在动手画桑基图之前先把你的数据框结构打印出来看一遍确认每一列是什么、每一行代表什么、组合是否唯一。我这套源代码包里最值钱的部分其实不是最后那几行绘图函数而是前面那个自动把宽表转成长表、把字符串转成索引的辅助函数。它帮你省掉了手工整理数据的最痛苦环节也天然避免了很多因为格式不对导致的报错。你拿到压缩包后只要把read.csv那行路径改成自己的数据后面大概率一次就能跑通。另外投稿前务必把图片在“实际打印尺寸”下检查一遍。屏幕上看着很清晰不代表缩小到8.5厘米宽的时候节点标签还能看清。我在三篇文章的返修阶段都被这个问题折磨过后来干脆在代码里加了一句ggsave(width 8.5, height 6, units cm, dpi 300)每次出图都强制按单栏尺寸来再也没翻过车。本文还有配套的精品资源点击获取