[R] Flow chart, Sankey plot 그리기

오류 수정  : 24-01-02

- 오류 수정에 도움을 주신 분께 감사를 드립니다. 

 

 

 

| Sankey plot이란?

각 데이터의 흐름을 나타내는 그래프로, 각 column의 다양성이 따른 범주형 데이터를 표현하기에 적합하다. 

- 관련 글 : https://newsjel.ly/archives/newsjelly-report/14459
- 종합 정리 : https://www.azavea.com/blog/2017/08/09/six-sankey-diagram-tool/
- 관련 패키지 제작 : https://jhk0530.medium.com/sankey-with-shiny-505425fff443

 

 

sankey plot을 그리기에 적합한 패키지로는 ploty, ggsankey, Networkd3등이 있다. 이 중에서 Networkd3의 input파일이 제일 간단해서 이 패키지를 선택하여 시각화하였다. 

 

 

 

| 시각화하기 

library(readr)
library(tidyr)
library(dplyr)

 

 

예제 데이터 

Vaccin <- data.frame(
  Gender = c("F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M", "F", "M"),
  Age = c("40s","50s","20s", "40s", "20s", "50s", "30s", "30s", "50s", "40s","50s","30s", "30s", "30s", "50s", "30s"),
  Vaccinated = c("Yes", "Yes","Yes", "No", "Yes","Yes", "No", "Yes", "Yes","No", "Yes", "Yes", "Yes","Yes","Yes", "No")
  
)

 

 

 

1. alluvial 

alluvial 패키지를 이용해 가장 심플한 flow chart를 그려보자

dats_all <- Vaccin %>%
  group_by( Gender, Age, Vaccinated) %>%  # group them
  summarise(Freq = n())                           
dats_all

# install.packages("alluvial")
library(alluvial) 
alluvial( dats_all, freq=dats_all$Freq, border=NA )

 

 

 

 

2. ggforce and ggplot2

시각화의 꽃, ggplot을 사용해 보자

library(ggforce)
dff <- Vaccin %>% 
  dplyr::count( Gender,  Age,  Vaccinated, name = "value") %>% 
  ggforce::gather_set_data(1:3) 
dff

ggplot(dff, aes(x = x, id = id, split = y, value = value)) +
  geom_parallel_sets(alpha = 0.3, axis.width = 0.1) +
  geom_parallel_sets_axes(axis.width = 0.3) +
  geom_parallel_sets_labels(colour = "white") + 
  theme_void()

- 생각보다 그림이 깔끔하지 않다. 

 

 

3. networkD3 

html을 설정하여 자유로운 옵션 추가가 가능한 network3D을 이용해 보자

library(networkD3)


## 데이터 변환하기 
links <-
  Vaccin %>% 
  mutate(row = row_number()) %>%
  pivot_longer(-row, names_to = "col", values_to = "source") %>%  
  mutate(col = col) %>%  
  group_by(row) %>%
  mutate(target = lead(source, order_by = col)) %>%  
  ungroup() %>% 
  filter(!is.na(target)) %>%  
  group_by(source, target) %>% 
  summarise(value = n(), .groups = "drop") 
links


# flow node 설정하기 
nodes <- data.frame(id = unique(c(links$source, links$target)),
                    stringsAsFactors = FALSE)
nodes$name <- sub('_[0-9]*$', '', nodes$id)

# source와 target 노드 지정 
links$source_id <- match(links$source, nodes$id) - 1
links$target_id <- match(links$target, nodes$id) - 1

# 세부 옵션 
library("htmlwidgets")
# 색 지정 
colourScale <- 
  'd3.scaleOrdinal()
     .domain(["linkgrp"])
     .range(["gainsboro"].concat(d3.schemeCategory20))'

# 라벨 옆 가로안에 개수 추가하기 
showLabel_string <- 
  'function(el, x){
    d3.select(el).selectAll(".node text")
      .text(d => d.name + " (" + d.value + ")");}'
links

# plot 그리기 
p <- sankeyNetwork(Links = links, Nodes = nodes, Source = 'source_id',
                   Target = 'target_id', Value = 'value', NodeID = 'name',
                   fontSize = 12, margin = list(t=100), colourScale = colourScale)

p <- htmlwidgets::onRender(x = p, jsCode = showLabel_string)
p

 

- 가장 이쁘고 여러 내용을 담을 수 있지만,  이를 추가하기 위한 옵션들이 복잡하다. 

 

 

4. ggalluvial 

새로 나온 ggplot 기반의 ggalluvial 패키지를 사용해 보자. 

library(ggalluvial)
p <- ggplot(Vaccin,aes(axis1 = `Gender`, axis2 = `Age`, axis3 = `Vaccinated`))+
  geom_alluvium(color= "black", show.legend = F) +
  scale_fill_manual(values = "skyblue")+
  geom_stratum()+
  geom_text(stat = "stratum",
            aes(label = after_stat(stratum)))+
  theme_void()+
  theme(legend.position = "none")

p

 

가장 깔끔한 모습을 보인다. 

 

 

5. circlize  

정확히는 Chord diagram 이라고 한다. 

# Load the circlize library
library(circlize)
 
# Make the circular plot
chordDiagram(Vaccin, transparency = 0.5)

 

 

 

 

 

| 참고

- html문서 tistory에 첨부하기 : https://wonhwa.tistory.com/47

- https://stackoverflow.com/questions/56460820/sankey-diagram-in-r-data-preparation

sankey diagram in R - data preparation

 

- https://r-graph-gallery.com/sankey-diagram.html

- https://r-graph-gallery.com/123-circular-plot-circlize-package-2.html