什么是桑基图

桑基图（Sankey diagram），即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，比较适用于用户流量等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机的能源效率图”而闻名，此后便以其名字命名为“桑基图”。

用一个故事来介绍一下桑基图：

这个非常著名的图是Charles Minard在1869年所作的拿破仑东征俄国的信息图。Charles Minard是信息图表的之父，他是信息图领域的创始者。这张图描绘的是拿破仑在1812到1813年进攻俄国的情况。它的背景是一个真实的地图，西边是波兰的边境，东边是莫斯科。图上那条主线的宽度代表拿破仑军队的人数，黄色表示进攻路线，黑色表示撤退的路线： 他开始于42万人，在向莫斯科进军的过程中丧失了很多人，到达莫斯科时只剩下10万人，而最后从莫斯科活着返回的只剩下1万人。

为什么说这个图好呢，因为除了主线的宽度之外，这张图还告诉了你更多的东西。画面下面的折线图告诉你当时的温度，其中最高的点是0度，最低到达过零下30度，回城的黑线周围嗨标注了月份，可以看出，拿破仑的军队在达打到莫斯科的时候已经是将近十月分了，等到完全撤离俄国已经是12月份了，如果你仔细观察，会发现在撤退过程中他们路过了一条叫Studienska的河，军队人数在河两岸出现了剧减，原来那个时候天气寒冷，军队长促情况下淌水过河，于是在这条寒冷的河中冻死了很多人。

根据Edward Tufte所总结的信息设计原则：

• 这个图让显示出了比较关系（Show comparisons, contrasts, differences），比如军队人数的起始时候的宽度和结束时候的宽度的强烈对比，比如过那条河流的时候军队人数的剧烈的变化等等。
• 这个图解释了因果关系（Show causality, mechanism, structure, explanation），比如时间，温度和军队人数的关系。
• 这个图有多个变量（Multivariate analysis），1), 军队人数。 2), 地理的位置（经度和纬度）3), 军队的行进方向。 4), 温度。 5), 时间。

所有的这些信息都不是独立存在的，他们结合在一起，将观众带入当时的拿破仑的旅程，同时能让人感受到无情的战争夺走人们生命的痛苦。

桑基图怎么看

• 线条的走向
• 粗细的变化
• 节点间的比较

绘制属于自己的桑基图

现如今的可视化软件行业如此发达，制作此类桑基图已绝非难事，从最高端的JS库(D3、Echarts、highchart)到主流的数据科学编程工具（R、Python等）亦或者人人都能上手的自助式BI工具（PowerBI、Tableau等）都可以胜任此项工作。

library(ggalluvial)
#install.packages("ggalluvial")
library(reshape2)
mydata<-read.table("igraph//otu_table_group.g.relative.xls",header = T,sep = "\t")
mydata<-head(mydata,n=10)
mydata<-mydata[,-length(colnames(mydata))]
mydata<-melt(mydata,variable.name="Group",value.name="Abundance")
head(mydata)

ggplot(data = mydata,
       aes(axis1 = Taxonomy, axis2 = Group,
           weight = Abundance)) +
  scale_x_discrete(limits = c("Taxonomy", "Group"), expand = c(.01, .05)) +
  geom_alluvium(aes(fill = Taxonomy)) +
  geom_stratum() + geom_text(stat = "stratum", label.strata = TRUE) +
  #theme_minimal() +
  #theme_tropical()
  ggtitle("Taxonomy abundance in each group")

我们可以把各个层级都画出来，这样看的更具体：

library(reshape2)
library(ggalluvial)
library(tidyverse)
mydata<-read.table("igraph//otu_table_group.g.relative.xls",header = T,sep = "\t")
mydata<-head(mydata,n=10)
mydata<-separate(data = mydata, col = Tax_detail, into = c("k", "p","c","o","f","g"), sep = ";")
#mydata$Tax_detail=  gsub(";","\t",mydata$Tax_detail)

#mydata<-mydata[,-length(colnames(mydata))]

mydata<-melt(mydata,variable.name="Group",value.name="Abundance")
mydata$genus<-mydata$g
ggplot(data = mydata,
       aes(axis1 = k, axis2 = p,axis3 = c,axis4 = o,axis5 = f,axis6 = g,axis7 = Group,
           weight = Abundance)) +
  scale_x_discrete(limits = c("k", "p","c","o","f","g","Group","Abundance"), expand = c(.01, .05)) +
  geom_alluvium(aes(fill = genus)) +
  geom_stratum() + geom_text(stat = "stratum", label.strata = TRUE) +
  #theme_minimal() +
  #theme_tropical()
  #theme_matrix()
  theme_bvbw()
  ggtitle("Taxonomy abundance in each group")

最后，画一个DNA：

#install.packages("riverplot")
library( riverplot )
plot.new()
par( usr= c( 0, 4, -2.5, 2.5 ) )
w <- 0.4
cols <- c( "blue", "green" )
init <- c( -0.8, -0.5 )
pos <- c( 1, -1 )
step <- 0.5
for( i in rep( rep( c( 1, 2 ), each= 2 ), 5 ) ) {
  curveseg( init[i], init[i] + step, pos[1], pos[2], width= w, col= cols[i] )
  init[i] <- init[i] + step
  pos <- pos * -1
}

两种不同的信息可视化
Sankey diagram
百度百科||桑基图
桑基图有何作用，桑基图又是怎么做出来的？
riverplot绘制桑基图
流量结构分布图——桑基图（Sankey）
Alluvial Diagrams in ggplot2
ggalluvial：冲击图展示组间变化、时间序列和复杂多属性alluvial diagram
BioSankey
Calypso