弦图是一种展示数据之间相互关系的图形。弦图中的数据点以圆的形式呈放射状排列，并用线条来展示数据之间的联系。在弦图中，我们可以通过颜色和线条的粗细来展现不同类型联系和强度。这种联系有多种形式比如相关性，比如存在与否，比如迁入迁出等。
弦图是一种美学上令人愉悦的展现方式，换句话说，可以提升你文章或者报告的水准，让人有一种高大上的感觉。那么让我们先来看几个弦图的例子。
弦图的例子
使用弦图展示不同OTU在不同环境中的存在情况当然除了表示相关性弦图也可以用于表示存在的情况。我们以这篇A Deeper Look into the Biodiversity of the Extremely Acidic Copahue volcano-Río Agrio System in Neuquén, Argentina文献为例，该研究探究了阿根廷一座火山的生物多样性。
上面的弦图就展现了不同的OTU在不同环境的存在情况。比如，研究发现OTU1存在于酸性矿山排水（AMD）、矿山（Mine）、河流（Riverine）、火山（Volcanic）等多个环境，其中在酸性矿山排水中的存在最多（连线最宽）。而关注不同的环境可以发现酸性矿山排水中主要存在OTU1、OTU5、OTU6、OTU7、OTU8、OTU20等微生物。
通常来说，当数据点不是很多的时候，弦图能很直观地展现出不同数据点之间的关系。但是当数据点过多的时候，可能弦图看起来就有一些混乱了，不过具体是否采用这种图，还是要看你想用图去表达什么结论。
当然了多幅弦图还能展现出不同组别或者不同时间点之间的差异，具体如何展现可以看我们今天的具体示例。
如何作弦图
1）需要什么样的数据
今天找到了一个酷炫的弦图例子还是个动图。该图用来展示1960年到2015年的全球移民情况。当然我们会画静态图 动图。我只是一个代码搬运工，参考了国外网友写的代码：原代码请点击这里[1]我们要使用的数据来自于“migest”这个包。所以我们先安装该包然后读取数据。我们要用的绘图工具是来自“circlize”包的chordDiagram()函数。首先我们来看一下数据的准备。数据具体分为2部分，一部分是用于作图的具体移民数据，还有一部分是调整作图参数的文件。
代码语言：javascript复制install.packages('migest')#安装migest包
library(tidyverse)#使用该包提供的“read_csv()"功能
d0 <- read_csv(system.file("imr", "reg_flow.csv", package = "migest"))
d0
# A tibble: 891 x 4
year0 orig_reg dest_reg flow
<dbl> <chr> <chr> <dbl>
1 1960 Africa Africa 1377791
2 1960 Africa Eastern Asia 5952
3 1960 Africa Eastern Europe & Central Asia 7303
4 1960 Africa Europe 919252
5 1960 Africa Latin America & Caribbean 15796
6 1960 Africa Northern America 82463
7 1960 Africa Oceania 32825
8 1960 Africa Southern Asia 35603
9 1960 Africa Western Asia 106580
10 1960 Eastern Asia Africa 37301
# … with 881 more rows可以看到该数据以5年为单位统计了不同地区的移民情况。实际上真正做弦图只需要后三列，也就是从哪去哪去了多少。下面我们再来看作图参数的文件。migest包中也已经准备好了。
代码语言：javascript复制d1 <- read_csv(system.file("vidwp", "reg_plot.csv", package = "migest"))
d1
# A tibble: 9 x 5
region order1 col1 reg1 reg2
<chr> <dbl> <chr> <chr> <chr>
1 Northern America 1 #40A4D8 Northern America
2 Africa 2 #33BEB7 Africa NA
3 Europe 3 #B2C224 Europe NA
4 Eastern Europe & Central Asia 4 #FECC2F Eastern Europe & Central Asia
5 Western Asia 5 #FBA127 Western Asia
6 Southern Asia 6 #F66320 Southern Asia
7 Eastern Asia 7 #DB3937 Eastern Asia
8 Oceania 8 #A463D7 Oceania NA
9 Latin America & Caribbean 9 #0C5BCE Latin America & Caribbean 具体来说第一列就是地区的名字，第二列是顺序，第三列是作图所使用的颜色，第四和第五列大家可以猜猜看。实际上，最后为了作图效果好看，有部分地区的名字过长，所以我们会分为2行来展示，第四和第五列就是为了实现这个目的。
2）如何作图
我们首先来做1960-1965年这段时间的图：
代码语言：javascript复制library(circlize)
test<-d0[d0$year0==1960,-1]#筛选数据
chordDiagram(x = test,
directional = 1, #表示线条的方向，0代表没有方向，1代表正向，-1代表反向，2代表双向
order = d1$region,
grid.col = d1$col1, #颜色的设定
annotationTrack = "grid",#diy添加label和axis
transparency = 0.25,#线条的透明度
annotationTrackHeight = c(0.05, 0.1),#外面一圈的宽度
direction.type = c("diffHeight","arrows"), #线条是否带有箭头
link.arr.type = "big.arrow",#另一个选择是巨丑无比的尖头
diffHeight = -0.04#外圈和中间连线的间隔
)
# 添加labels and axis
circos.track(track.index = 1, bg.border = NA,
panel.fun = function(x, y) {
xlim = get.cell.meta.data("xlim")
sector.index = get.cell.meta.data("sector.index")
reg1 = d1 %>% filter(region == sector.index) %>% pull(reg1)
reg2 = d1 %>% filter(region == sector.index) %>% pull(reg2)
circos.text(x = mean(xlim), y = ifelse(is.na(reg2), 3, 4),labels = reg1, facing = "bending", cex =0.8)
circos.text(x = mean(xlim), y = 2.75, labels = reg2, facing = "bending", cex = 0.8)
circos.axis(h = "top", labels.cex = 0.6,labels.niceFacing = FALSE, labels.pos.adjust = FALSE)
})
1960-1965年的人口迁移
然后我们可以写一个循环生成多张图然后制作成gif。我们可以根据时间点将数据切割。
代码语言：javascript复制library(tweenr)
d2 <- d0 %>%
mutate(corridor = paste(orig_reg, dest_reg, sep = " -> ")) %>%
select(corridor, year0, flow) %>%
mutate(ease = "linear") %>%
tween_elements(time = "year0", group = "corridor", ease = "ease", nframes = 10)
d2 <- d2 %>%
separate(col = .group, into = c("orig_reg", "dest_reg"), sep = " -> ") %>%
select(orig_reg, dest_reg, flow, everything())
d2$flow<-d2$flow/1e06
# create a directory to store the individual plots
dir.create("./plot-gif/")
library(circlize)
for(f in unique(d2$.frame)){
png(file = paste0("./plot-gif/globalchord", f, ".png"), height = 7, width = 7,
units = "in", res = 500)
# intialise the circos plot
circos.clear()
par(mar = rep(0, 4), cex=1)
circos.par(start.degree = 90, track.margin=c(-0.1, 0.1),
gap.degree = 4, points.overflow.warning = FALSE)
# plot the chord diagram
chordDiagram(x = d2[d2$.frame==f,1:3], directional = 1, order = d1$region,
grid.col = d1$col1, annotationTrack = "grid",
transparency = 0.25, annotationTrackHeight = c(0.05, 0.1),
direction.type = c("diffHeight", "arrows"), link.arr.type = "big.arrow",
diffHeight = -0.04, link.sort = TRUE, link.largest.ontop = TRUE)
# add labels and axis
circos.track(track.index = 1, bg.border = NA, panel.fun = function(x, y) {
xlim = get.cell.meta.data("xlim")
sector.index = get.cell.meta.data("sector.index")
reg1 = d1 %>% filter(region == sector.index) %>% pull(reg1)
reg2 = d1 %>% filter(region == sector.index) %>% pull(reg2)
circos.text(x = mean(xlim), y = ifelse(is.na(reg2), 3, 4),
labels = reg1, facing = "bending", cex = 1.1)
circos.text(x = mean(xlim), y = 2.75, labels = reg2, facing = "bending", cex = 1.1)
circos.axis(h = "top", labels.cex = 0.8,
labels.niceFacing = FALSE, labels.pos.adjust = FALSE)
})
# close plotting device
dev.off()
}
library(magick)
img <- image_read(path = "./plot-gif/globalchord0.png")
for(f in unique(d2$.frame)[-1]){
img0 <- image_read(path = paste0("./plot-gif/globalchord",f,".png"))
img <- c(img, img0)
message(f)
}
img1 <- image_scale(image = img, geometry = "720x720")
ani0 <- image_animate(image = img1, fps = 10)
image_write(image = ani0, path = "./globalchord.gif")
globalchord.gif今天的分享就到这里啦。
参考资料
[1]原代码请点击这里: https://www.r-bloggers.com/animated-directional-chord-diagrams/
