41 Arc Diagram

41.1 PKG

Show/Hide Code

library(tidyverse)  # 数据处理核心包
library(viridis)    # 颜色方案
library(patchwork)  # 图形拼接
library(hrbrthemes) # 图形主题
library(igraph)     # 图论和网络分析
library(ggraph)     # 基于ggplot2的图形语法
library(colormap)   # 颜色映射

41.2 Definition

这里有一个简单的例子。6 个节点之间的 5 个连接分别用二维网络图（左）和弧形图（右）表示

Show/Hide Code

# 加载必要的库
library(tidyverse)    # 数据处理核心包
library(viridis)      # 颜色方案
library(patchwork)    # 图形拼接
library(hrbrthemes)   # 图形主题
library(igraph)       # 图论和网络分析
library(ggraph)       # 基于ggplot2的图形语法
library(colormap)     # 颜色映射

# 创建一个简单的边列表
links <- data.frame(
  source = c("A", "A", "A", "A", "B"),  # 源节点
  target = c("B", "C", "D", "F", "E")   # 目标节点
)

# 转换为igraph对象
mygraph <- graph_from_data_frame(links)

# 创建传统的2D网络图
p1 <- ggraph(mygraph) +
  geom_edge_link(                           # 绘制边连接
    edge_colour = "black", 
    edge_alpha = 0.3, 
    edge_width = 0.2
  ) +
  geom_node_point(                          # 绘制节点
    color = "#69b3a2", 
    size = 5
  ) +
  geom_node_text(                           # 添加节点标签
    aes(label = name), 
    repel = TRUE, 
    size = 8, 
    color = "#69b3a2"
  ) +
  theme_void() +                            # 使用空白主题
  theme(
    legend.position = "none",               # 隐藏图例
    plot.margin = unit(rep(2, 4), "cm")     # 设置边距
  )

# 创建弧形图
p2 <- ggraph(mygraph, layout = "linear") +  # 使用线性布局
  geom_edge_arc(                            # 绘制弧形边
    edge_colour = "black", 
    edge_alpha = 0.3, 
    edge_width = 0.2
  ) +
  geom_node_point(                          # 绘制节点
    color = "#69b3a2", 
    size = 5
  ) +
  geom_node_text(                           # 添加节点标签
    aes(label = name), 
    repel = FALSE, 
    size = 8, 
    color = "#69b3a2", 
    nudge_y = -0.1                          # 标签向下偏移
  ) +
  theme_void() +                            # 使用空白主题
  theme(
    legend.position = "none",               # 隐藏图例
    plot.margin = unit(rep(2, 4), "cm")     # 设置边距
  )

# 使用patchwork拼接两个图
p1 + p2

41.3 What for

弧图在传达整体节点结构方面不如二维网络图。但它有两个主要优势：

- 如果节点顺序优化，它可以很好地突出显示集群和桥梁
- 它允许显示每个节点的标签，这在二维结构中通常是不可行的。

Show/Hide Code

# 加载数据
dataUU <- read.table(
  "https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/13_AdjacencyUndirectedUnweighted.csv", 
  header = TRUE
)

# 将邻接矩阵转换为长格式
connect <- dataUU |>
  gather(key = "to", value = "value", -1) |>        # 宽转长格式
  mutate(to = gsub("\\.", " ", to)) |>              # 替换点号为空格
  na.omit()                                         # 移除缺失值

# 计算每个人的连接数
c(as.character(connect$from), as.character(connect$to)) |>
  as_tibble() |>                                    # 转换为tibble格式
  group_by(value) |>                                # 按人名分组
  summarize(n = n()) -> coauth                      # 计算连接数
colnames(coauth) <- c("name", "n")                  # 重命名列

# 使用igraph创建图对象
mygraph <- graph_from_data_frame(
  connect, 
  vertices = coauth, 
  directed = FALSE                                  # 无向图
)

# 寻找社区结构
com <- walktrap.community(mygraph)                  # 使用随机游走算法检测社区

# 重新排序数据集并创建图
coauth <- coauth |>
  mutate(grp = com$membership) |>                   # 添加社区分组信息
  arrange(grp) |>                                   # 按分组排序
  mutate(name = factor(name, name))                 # 将名称转为因子

# 只保留前15个社区
coauth <- coauth |>
  filter(grp < 16)

# 在边数据中只保留这些人员
connect <- connect |>
  filter(from %in% coauth$name) |>                 # 过滤源节点
  filter(to %in% coauth$name)                      # 过滤目标节点

# 重新创建图对象
mygraph <- graph_from_data_frame(
  connect, 
  vertices = coauth, 
  directed = FALSE
)

# 在viridis色阶中准备颜色向量
mycolor <- colormap(
  colormap = colormaps$viridis, 
  nshades = max(coauth$grp)                         # 根据社区数设置颜色数
)
mycolor <- sample(mycolor, length(mycolor))         # 随机打乱颜色

# 创建弧形图
ggraph(mygraph, layout = "linear") +               # 线性布局
  geom_edge_arc(                                   # 绘制弧形边
    edge_colour = "black", 
    edge_alpha = 0.2, 
    edge_width = 0.3, 
    fold = TRUE                                    # 折叠重叠边
  ) +
  geom_node_point(                                 # 绘制节点
    aes(size = n, color = as.factor(grp), fill = grp), 
    alpha = 0.5                                    # 透明度
  ) +
  scale_size_continuous(range = c(0.5, 8)) +       # 节点大小范围
  scale_color_manual(values = mycolor) +           # 手动颜色映射
  geom_node_text(                                  # 添加节点标签
    aes(label = name), 
    angle = 65,                                    # 文字倾斜角度
    hjust = 1,                                     # 水平对齐方式
    nudge_y = -1.1,                               # 垂直偏移
    size = 2.3                                     # 文字大小
  ) +
  theme_void() +                                   # 空白主题
  theme(
    legend.position = "none",                      # 隐藏图例
    plot.margin = unit(c(0, 0, 0.4, 0), "null"),  # 图形边距
    panel.spacing = unit(c(0, 0, 3.4, 0), "null") # 面板间距
  ) +
  expand_limits(                                   # 扩展坐标轴范围
    x = c(-1.2, 1.2), 
    y = c(-5.6, 1.2)
  )

41.4 Variation

41.5 Note

顺序很重要,顺序不对就是个灾难:

Show/Hide Code

# 随机重新排序数据集
coauth <- coauth |>
  slice(sample(c(1:nrow(coauth)), nrow(coauth)))  # 随机抽样重排

# 使用igraph创建图对象
mygraph <- graph_from_data_frame(
  connect, 
  vertices = coauth, 
  directed = FALSE                                 # 无向图
)

# 在viridis色阶中准备n个颜色的向量
mycolor <- colormap(
  colormap = colormaps$viridis, 
  nshades = max(coauth$grp)                       # 根据分组数设置颜色数
)
mycolor <- sample(mycolor, length(mycolor))       # 随机打乱颜色顺序

# 创建弧形图
ggraph(mygraph, layout = "linear") +              # 线性布局
  geom_edge_arc(                                  # 绘制弧形边
    edge_colour = "black", 
    edge_alpha = 0.2, 
    edge_width = 0.3, 
    fold = TRUE                                   # 折叠边
  ) +
  geom_node_point(                                # 绘制节点
    aes(size = n, color = as.factor(grp), fill = grp), 
    alpha = 0.5
  ) +
  scale_size_continuous(range = c(0.5, 8)) +      # 节点大小范围
  scale_color_manual(values = mycolor) +          # 手动设置颜色
  geom_node_text(                                 # 添加节点标签
    aes(label = name), 
    angle = 65,                                   # 文字角度
    hjust = 1,                                    # 水平对齐
    nudge_y = -1.1,                              # 垂直偏移
    size = 2.3                                    # 文字大小
  ) +
  theme_void() +                                  # 空白主题
  theme(
    legend.position = "none",                     # 隐藏图例
    plot.margin = unit(c(0, 0, 0.4, 0), "null"), # 图形边距
    panel.spacing = unit(c(0, 0, 3.4, 0), "null") # 面板间距
  ) +
  expand_limits(                                  # 扩展坐标轴范围
    x = c(-1.2, 1.2), 
    y = c(-5.6, 1.2)
  )

# Arc Diagram {#sec-arc-diagram} ## PKG ```{r} library(tidyverse) # 数据处理核心包 library(viridis) # 颜色方案 library(patchwork) # 图形拼接 library(hrbrthemes) # 图形主题 library(igraph) # 图论和网络分析 library(ggraph) # 基于ggplot2的图形语法 library(colormap) # 颜色映射 ``` ## Definition 这里有一个简单的例子。6 个节点之间的 5 个连接分别用二维网络图（左）和弧形图（右）表示 ```{r} #| fig-cap: "网络图与弧形图对比：展示6个节点间5个连接的两种可视化方式" # 加载必要的库 library(tidyverse) # 数据处理核心包 library(viridis) # 颜色方案 library(patchwork) # 图形拼接 library(hrbrthemes) # 图形主题 library(igraph) # 图论和网络分析 library(ggraph) # 基于ggplot2的图形语法 library(colormap) # 颜色映射 # 创建一个简单的边列表 links <- data.frame( source = c("A", "A", "A", "A", "B"), # 源节点 target = c("B", "C", "D", "F", "E") # 目标节点 ) # 转换为igraph对象 mygraph <- graph_from_data_frame(links) # 创建传统的2D网络图 p1 <- ggraph(mygraph) + geom_edge_link( # 绘制边连接 edge_colour = "black", edge_alpha = 0.3, edge_width = 0.2 ) + geom_node_point( # 绘制节点 color = "#69b3a2", size = 5 ) + geom_node_text( # 添加节点标签 aes(label = name), repel = TRUE, size = 8, color = "#69b3a2" ) + theme_void() + # 使用空白主题 theme( legend.position = "none", # 隐藏图例 plot.margin = unit(rep(2, 4), "cm") # 设置边距 ) # 创建弧形图 p2 <- ggraph(mygraph, layout = "linear") + # 使用线性布局 geom_edge_arc( # 绘制弧形边 edge_colour = "black", edge_alpha = 0.3, edge_width = 0.2 ) + geom_node_point( # 绘制节点 color = "#69b3a2", size = 5 ) + geom_node_text( # 添加节点标签 aes(label = name), repel = FALSE, size = 8, color = "#69b3a2", nudge_y = -0.1 # 标签向下偏移 ) + theme_void() + # 使用空白主题 theme( legend.position = "none", # 隐藏图例 plot.margin = unit(rep(2, 4), "cm") # 设置边距 ) # 使用patchwork拼接两个图 p1 + p2 ``` ## What for 弧图在传达整体节点结构方面不如二维网络图。但它有两个主要优势： - 如果节点顺序优化，它可以很好地突出显示集群和桥梁 - 它允许显示每个节点的标签，这在二维结构中通常是不可行的。 ```{r} #| fig-cap: "研究者合著网络弧形图：基于社区检测的优化节点排序展示" # 加载数据 dataUU <- read.table( "https://raw.githubusercontent.com/holtzy/data_to_viz/master/Example_dataset/13_AdjacencyUndirectedUnweighted.csv", header = TRUE ) # 将邻接矩阵转换为长格式 connect <- dataUU |> gather(key = "to", value = "value", -1) |> # 宽转长格式 mutate(to = gsub("\\.", " ", to)) |> # 替换点号为空格 na.omit() # 移除缺失值 # 计算每个人的连接数 c(as.character(connect$from), as.character(connect$to)) |> as_tibble() |> # 转换为tibble格式 group_by(value) |> # 按人名分组 summarize(n = n()) -> coauth # 计算连接数 colnames(coauth) <- c("name", "n") # 重命名列 # 使用igraph创建图对象 mygraph <- graph_from_data_frame( connect, vertices = coauth, directed = FALSE # 无向图 ) # 寻找社区结构 com <- walktrap.community(mygraph) # 使用随机游走算法检测社区 # 重新排序数据集并创建图 coauth <- coauth |> mutate(grp = com$membership) |> # 添加社区分组信息 arrange(grp) |> # 按分组排序 mutate(name = factor(name, name)) # 将名称转为因子 # 只保留前15个社区 coauth <- coauth |> filter(grp < 16) # 在边数据中只保留这些人员 connect <- connect |> filter(from %in% coauth$name) |> # 过滤源节点 filter(to %in% coauth$name) # 过滤目标节点 # 重新创建图对象 mygraph <- graph_from_data_frame( connect, vertices = coauth, directed = FALSE ) # 在viridis色阶中准备颜色向量 mycolor <- colormap( colormap = colormaps$viridis, nshades = max(coauth$grp) # 根据社区数设置颜色数 ) mycolor <- sample(mycolor, length(mycolor)) # 随机打乱颜色 # 创建弧形图 ggraph(mygraph, layout = "linear") + # 线性布局 geom_edge_arc( # 绘制弧形边 edge_colour = "black", edge_alpha = 0.2, edge_width = 0.3, fold = TRUE # 折叠重叠边 ) + geom_node_point( # 绘制节点 aes(size = n, color = as.factor(grp), fill = grp), alpha = 0.5 # 透明度 ) + scale_size_continuous(range = c(0.5, 8)) + # 节点大小范围 scale_color_manual(values = mycolor) + # 手动颜色映射 geom_node_text( # 添加节点标签 aes(label = name), angle = 65, # 文字倾斜角度 hjust = 1, # 水平对齐方式 nudge_y = -1.1, # 垂直偏移 size = 2.3 # 文字大小 ) + theme_void() + # 空白主题 theme( legend.position = "none", # 隐藏图例 plot.margin = unit(c(0, 0, 0.4, 0), "null"), # 图形边距 panel.spacing = unit(c(0, 0, 3.4, 0), "null") # 面板间距 ) + expand_limits( # 扩展坐标轴范围 x = c(-1.2, 1.2), y = c(-5.6, 1.2) ) ``` ## Variation [![《悲惨世界》中人物的共现网络](./image/miserables.png)](https://www.r-bloggers.com/2013/02/arc-diagrams-in-r-les-miserables/) ## Note 顺序很重要,顺序不对就是个灾难: ```{r} #| fig-cap: "节点随机排序的弧形图：展示节点顺序对可读性的重要影响" # 随机重新排序数据集 coauth <- coauth |> slice(sample(c(1:nrow(coauth)), nrow(coauth))) # 随机抽样重排 # 使用igraph创建图对象 mygraph <- graph_from_data_frame( connect, vertices = coauth, directed = FALSE # 无向图 ) # 在viridis色阶中准备n个颜色的向量 mycolor <- colormap( colormap = colormaps$viridis, nshades = max(coauth$grp) # 根据分组数设置颜色数 ) mycolor <- sample(mycolor, length(mycolor)) # 随机打乱颜色顺序 # 创建弧形图 ggraph(mygraph, layout = "linear") + # 线性布局 geom_edge_arc( # 绘制弧形边 edge_colour = "black", edge_alpha = 0.2, edge_width = 0.3, fold = TRUE # 折叠边 ) + geom_node_point( # 绘制节点 aes(size = n, color = as.factor(grp), fill = grp), alpha = 0.5 ) + scale_size_continuous(range = c(0.5, 8)) + # 节点大小范围 scale_color_manual(values = mycolor) + # 手动设置颜色 geom_node_text( # 添加节点标签 aes(label = name), angle = 65, # 文字角度 hjust = 1, # 水平对齐 nudge_y = -1.1, # 垂直偏移 size = 2.3 # 文字大小 ) + theme_void() + # 空白主题 theme( legend.position = "none", # 隐藏图例 plot.margin = unit(c(0, 0, 0.4, 0), "null"), # 图形边距 panel.spacing = unit(c(0, 0, 3.4, 0), "null") # 面板间距 ) + expand_limits( # 扩展坐标轴范围 x = c(-1.2, 1.2), y = c(-5.6, 1.2) ) ```