R 中的桑基图标签

Question

背景

我正在 R 中创建一个桑基图，我正在努力标记节点。

例如，我将重用一个包含 10 名假想患者的数据集，这些患者接受了 COVID-19 筛查。 在基线时，所有患者的 COVID-19 均为阴性。 假设 1 周后，所有患者再次接受检测：现在，3 名患者为阳性，6 名患者为阴性，1 名患者结果不确定。 又过了一周，3名阳性患者仍为阳性，1名患者由阴性转为阳性，其他患者均为阴性。

data <- data.frame(patient = 1:10, 
                   baseline = rep("neg", 10), 
                   test1 = c(rep("pos",3), rep("neg", 6), "inconcl"), 
                   test2 = c( rep(NA, 3), "pos", rep("neg", 6) ))

试图

要创建 Sankey 图，我使用的是ggsankey package ：

library(tidyverse)
#devtools::install_github("davidsjoberg/ggsankey")
df <- data %>%
  make_long(baseline, test1, test2)

ggplot(df, aes(x = x, next_x = next_x, node = node, next_node = next_node,
               fill = factor(node), label = node)) +
  geom_sankey() +
  geom_sankey_label(aes(fill = factor(node)), size = 3, color = "white") +
  scale_fill_manual(values = c("grey", "green", "red")) +
  theme(legend.position = "bottom", legend.title = element_blank())

问题

我想 label 每个nodes中存在患者数量的节点（例如，第一个节点将标记为10 ， inconclusive的节点将标记为1 ，依此类推......）。

您如何在 R 中执行此操作而不对值进行硬编码？

部分解决方案

为了从数据中提取数字，我认为第一步应该是这样的：

data %>% count(baseline, test1, test2)
#  baseline   test1 test2 n
#1      neg inconcl   neg 1
#2      neg     neg   neg 5
#3      neg     neg   pos 1
#4      neg     pos  <NA> 3

我认为，如果我能够在长数据df的额外列中包含正确的值，我应该能够从美学中调用label=variable_name吗？

Answer 1

尝试这个：

library(ggplot2)
library(ggsankey)
library(dplyr)


# create a count data frame for each node

df_nr <- 
  df %>% 
  filter(!is.na(node)) %>% 
  group_by(x, node)%>% 
  summarise(count = n())
#> `summarise()` has grouped output by 'x'. You can override using the `.groups` argument.

# join to sankey dataframe

df <- 
  df %>% 
  left_join(df_nr)




ggplot(df, aes(x = x, next_x = next_x, node = node, next_node = next_node,
               fill = factor(node))) +
  geom_sankey() +
  geom_sankey_label(aes(label = node), size = 3, color = "white") +
  geom_sankey_text(aes(label = count), size = 3.5, vjust = -1.5, check_overlap = TRUE) +
  scale_fill_manual(values = c("grey", "green", "red")) +
  theme_minimal()+
  theme(legend.position = "bottom",
        legend.title = element_blank())

数据

data <- data.frame(patient = 1:10, 
                   baseline = rep("neg", 10), 
                   test1 = c(rep("pos",3), rep("neg", 6), "inconcl"), 
                   test2 = c( rep(NA, 3), "pos", rep("neg", 6) ))
df <- data %>%
  make_long(baseline, test1, test2)

如果你想要一个边界框，你可以调整计数 label 的位置或将其更改为 label（不太确定这是否有效）。 不确定geom_sankey_label是否识别check_overlap以避免计数文本的多次重叠。

^{由代表 package (v2.0.0) 于 2021 年 4 月 20 日创建}