如何操作数据结构以创建与 R 中的 networkD3（特别是 sankeyNetwork 函数）一起使用所需的格式？

Question

我正在尝试创建桑基图，其概念与 here 相似。我希望创建的图表可能比提供的示例具有更多的中间节点。

我一直在尝试使用 networkd3 包，特别是 sankeyNetwork 函数。我的困难是将我拥有的数据放入正确的结构中以用于 sankeyNetwork.

我的数据是调查数据，要求受访者对指标从最重要到最不重要进行排名。例如，

     W        X        Y        Z       
[1,] "Rank 1" "Rank 2" "Rank 3" "Rank 4"
[2,] "Rank 2" "Rank 3" "Rank 1" "Rank 4"
[3,] "Rank 1" "Rank 2" "Rank 3" "Rank 4"
[4,] "Rank 1" "Rank 2" "Rank 4" "Rank 3"

其中 W、X、Y 和 Z 是指标。

要创建一个 sankey，我需要数据的形式：

   0  1  10
   0  2  5
   1  3  2

第一列代表起始节点（编号从0开始）。第二列是结束节点。第三列是连接节点的link中的value/weight。还将有一个包含节点名称的向量。

我的最终目标是让第一列节点代表指标及其收到的 "Rank 1" 票数比例的桑基（从左到右）。第 2 列将再次包含所有指标，但 links 表示 "Rank 2" 投票的比例，依此类推，直到最后一列包含每个指标收到的最后位置投票的比例。

我正在寻找一种自动化数据转换的方法（需要一个更好的词），因为我应该拥有的数据集将有 7 个指标（因此有 7 个排名位置）和 50-100 人的回复，因此有许多可能的排名组合。

目前我可以使用类似于

的东西

example_data %>%
    filter(W == "Rank 1" && X == "Rank 2") %>%
    tally()

提供计数，但这需要我写出或循环遍历每一个可能的指标和排名组合。这实际上对于我打算使用的数据大小来说并不可行。

编辑：感谢 CJ Yetman 的反馈。我已经设法解决了这个问题，因此不需要实施你的答案，但你的解决方案可能比我最终做的要简单一些。

我创建了一个包含原始数据的 sankey_data 数据集，这样我就可以使用该数据的副本。

sankey_data[["id"]] <- seq(1, nrow(sankey_data))
sankey_data <- sankey_data %>%
  select(id, everything())

sankey_data <- apply(sankey_data, 2, as.character)
# Not necessarily required but I needed to convert the data points from factors 
# to characters.

# Creating new variables to store data in more helpful format
sankey_data$Rank1 <- rep(NA, nrow(sankey_data))
sankey_data$Rank2 <- rep(NA, nrow(sankey_data))
sankey_data$Rank3 <- rep(NA, nrow(sankey_data))
sankey_data$Rank4 <- rep(NA, nrow(sankey_data)) 

# Filling in those new variables
ranking_levels <- c("Rank 1", "Rank 2", "Rank 3", "Rank 4")

for (i in 1:nrow(sankey_data)) {
  for (j in 1:length(ranking_levels)) {
    hold <- colnames(sankey_data[i, grep(sankey_data[i,], 
        pattern = paste0("^", ranking_levels[j]), fixed = F)])
    sankey_data[i, 8 + j] <- hold
  }
}

# Creating the Link data
Link1 <- sankey_data %>%
    plyr::count(vars = c("Rank1", "Rank2")) %>%
    mutate("link" = 1)

Link2 <- sankey_data %>%
    plyr::count(vars = c("Rank2", "Rank3")) %>%
    mutate("link" = 2)

Link3 <- sankey_data %>%
    plyr::count(vars = c("Rank3", "Rank4")) %>%
    mutate("link" = 3)
# I then added prefixes to each data point within links 1 - 3 respectively.
# I just used paste0 but won't include the detail here as this is additional to
# what is strictly necessary to create the Sankey.

# Adding column names
colnames(Link1) <- c("source", "target", "value", "link")
colnames(Link2) <- colnames(Link1)
colnames(Link3) <- colnames(Link1)

# Combing into a single data set
links <- rbind(Link1, Link2, Link3)

nodes <- data.frame(name = c(as.character(links[["source"]]), 
                             as.character(links[["target"]])) %>% unique())

# As sankeyNetwork requires the nodes to be in numeric form (starting from 0),
# this serevs to convert the node names to numbers for input into the function
links[["IDsource"]] <- match(links[["source"]], nodes[["name"]]) - 1 
links[["IDtarget"]] <- match(links[["target"]], nodes[["name"]]) - 1

# The Sankey
sankeyNetwork(Links  = links, 
              Nodes  = nodes,
              Source = "IDsource", 
              Target = "IDtarget",
              Value  = "value", 
              fontFamily = "Arial",
              NodeID = "name", 
              sinksRight = FALSE, fontSize = 24, height = 1400, width = 3200)

这段代码对我有用。我已尝试使其适应示例数据，因为我无法发布实际数据，因此可能会遗漏一两个工件，这些工件没有意义。如果是这种情况，请告诉我，我会尝试更新它。

Answer 1

我不太确定您要查找的输出是什么，但它听起来与 .

非常相似

这是适用于您的问题的解决方案...

library(dplyr)
library(tidyr)

example_data <-
  tibble::tribble(
    ~W,       ~X,       ~Y,       ~Z,       
    "Rank 1", "Rank 2", "Rank 3", "Rank 4",
    "Rank 2", "Rank 3", "Rank 1", "Rank 4",
    "Rank 1", "Rank 2", "Rank 3", "Rank 4",
    "Rank 1", "Rank 2", "Rank 4", "Rank 3"
  )

events <- 
  example_data %>% 
  mutate(row = row_number()) %>% 
  gather(column, choice, -row) %>% 
  mutate(column_num = match(column, names(example_data))) %>% 
  arrange(row, column_num) %>% 
  mutate(target = paste0(column, "_", choice)) %>% 
  group_by(row) %>% 
  mutate(source = lag(target)) %>% 
  filter(!is.na(source) & !is.na(target)) %>% 
  group_by(source, target) %>% 
  summarise(value = n())

# # A tibble: 8 x 3
# # Groups:   source [7]
#   source   target   value
#   <chr>    <chr>    <int>
# 1 W_Rank 1 X_Rank 2     3
# 2 W_Rank 2 X_Rank 3     1
# 3 X_Rank 2 Y_Rank 3     2
# 4 X_Rank 2 Y_Rank 4     1
# 5 X_Rank 3 Y_Rank 1     1
# 6 Y_Rank 1 Z_Rank 4     1
# 7 Y_Rank 3 Z_Rank 4     2
# 8 Y_Rank 4 Z_Rank 3     1

如何操作数据结构以创建与 R 中的 networkD3（特别是 sankeyNetwork 函数）一起使用所需的格式？

How can I manipulate the data structure to create the format required for use with networkD3 (sankeyNetwork function specifically) in R?

r

dplyr

tidyr

networkd3