超全面！和弦图(Chord diagram) 的绘制方法汇总~~

今天这篇推文给大家介绍一下和弦图(Chord diagram) 的绘制方法，具体包括的内容如下：

• 和弦图(Chord diagram)简介

• 和弦图(Chord diagram)绘制方法(R+Python)

• 更多详细的数据可视化教程，可订阅我们的店铺课程：

• 

和弦图(Chord diagram)简介

和弦图(chord Diagram)，是一种显示矩阵中数据间相互关系的可视化方法，节点数据沿圆周径向排列，节点之间使用带权重（有宽度）的弧线链接。其适合节点数据集或边数据集，功能为观察数据节点之间的关系。此类图主要将数据权重映射到节点和边的宽度，适合多组数据进行绘制。和弦图的结构大致如下：

和弦图结构(图片来源于网络，侵删)

下面就具体介绍下风别使用R和Python进行和弦图(chord Diagram)的绘制。

和弦图(Chord diagram)绘制方法(R+Python)

R绘制方法

R语言绘制和弦图(Chord diagram) 最方便的第三方包为circlize包，由于这个包功能太过丰富，原作者特意将使用方法汇编成册供大家参考学习，网址如下：https://jokergoo.github.io/circlize_book/book/ 。这里我们就列举几个优秀样例供大家参考，具体内容及详细使用方法，大家可参考上述网址。

「样例一：」

代码：

# Libraries
library(tidyverse)
library(viridis)
library(patchwork)
library(hrbrthemes)
library(circlize)
library(chorddiag) 

data <- read.table("13_AdjacencyDirectedWeighted.csv", header=TRUE)


colnames(data) <- c("Africa", "East Asia", "Europe", "Latin Ame.",   "North Ame.",   "Oceania", "South Asia", "South East Asia", "Soviet Union", "West.Asia")
rownames(data) <- colnames(data)
# 保存图片，注意：这里没有使用ggsave()保存
png(filename = "G:\\DataCharm\\可视化包介绍(绘制)\\和弦图\\Chord diagram.png",units="in",
    width = 8,height = 6,res = 600)

#数据处理
data_long <- data %>%
  rownames_to_column %>%
  gather(key = 'key', value = 'value', -rowname)

# 和弦图 参数设置
circos.clear()
circos.par(start.degree = 90, gap.degree = 4, track.margin = c(-0.1, 0.1), points.overflow.warning = FALSE)

#设置图片位置(四周边距)
opar <- par(mar=c(0,0,0,0), bg = "#3E4149")

# 选择颜色
mycolor <- viridis(10, alpha = 1, begin = 0, end = 1, option = "C")
mycolor <- mycolor[sample(1:10)]

# circlize 包的基础设置
chordDiagram(
  x = data_long, 
  grid.col = mycolor,
  transparency = 0.25,
  directional = 1,
  direction.type = c("arrows", "diffHeight"), 
  diffHeight  = -0.04,
  annotationTrack = "grid", 
  annotationTrackHeight = c(0.05, 0.1),
  link.arr.type = "big.arrow", 
  link.sort = TRUE, 
  link.largest.ontop = TRUE)

# 添加文本和刻度轴
circos.trackPlotRegion(
  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")
    
    # 文本
    circos.text(
      x = mean(xlim), 
      y = 3.2, 
      labels = sector.index, 
      facing = "bending", 
      cex = 0.8
      )
    # 刻度
    circos.axis(
      h = "top", 
      major.at = seq(from = 0, to = xlim[2], by = ifelse(test = xlim[2]>10, yes = 2, no = 1)), 
      minor.ticks = 1, 
      major.tick.length = 0.5,
      labels.niceFacing = FALSE)
  }
)
par(opar)
dev.off()

可视化结果如下：

Sample01

「样例二：」

代码：

#img_url:http://www.thegreenhead.com/imgs/keith-haring-double-retrospect-worlds-largest-jigsaw-puzzle-2.jpg

load(system.file("extdata", "doodle.RData", package = "circlize"))
circos.par("cell.padding" = c(0, 0, 0, 0))
circos.initialize(letters[1:16], xlim = c(0, 1))
circos.track(ylim = c(0, 1), panel.fun = function(x, y) {
    img = img_list[[CELL_META$sector.numeric.index]]
    circos.raster(img, CELL_META$xcenter, CELL_META$ycenter, 
        width = CELL_META$xrange, height = CELL_META$yrange, 
        facing = "bending.inside")
}, track.height = 0.25, bg.border = NA)
circos.track(ylim = c(0, 1), panel.fun = function(x, y) {
    img = img_list[[CELL_META$sector.numeric.index + 16]]
    circos.raster(img, CELL_META$xcenter, CELL_META$ycenter, 
        width = CELL_META$xrange, height = CELL_META$yrange, 
        facing = "bending.inside")
}, track.height = 0.25, bg.border = NA)
circos.clear()

结果如下：

Sample_02

Python绘制方法

Python 绘制和弦图(Chord diagram) 则不像R那样绘制方便，但也存在一些优秀的第三方包用于绘制。接下来我就列举一下：

1. matplotlib-chord-diagram

Github(https://github.com/fengwangPhysics/matplotlib-chord-diagram) 上的一个优秀的基于matplotlib绘制和弦图的方法，已定义成绘图函数(完全基于Matplotlib,代码行数较多)，绘制的结果如下：

matplotlib-chord-diagram

1. Python-chord库

除了定义好的绘图函数外，Python 当然也存在优秀的第三方库 进行绘制，chord库(https://github.com/shahinrostami/chord) 就是其中一个，该库作者不仅维护chord库，更推出收费的Chord PRO，当然，一般的绘图需求chord库就可以完成，但如果你需求较为繁琐，可以考虑付费的Chord PRO版本，两个库绘制的结果都是交互式的哦！接下来我们就列举几个chord库的样例用于展示：

样例：

由于高度集成化，chord库绘制和弦图的代码也比较简洁，如下：

from chord import Chord
#样例数据：
matrix = [
    [0, 5, 6, 4, 7, 4],
    [5, 0, 5, 4, 6, 5],
    [6, 5, 0, 4, 5, 5],
    [4, 4, 4, 0, 5, 5],
    [7, 6, 5, 5, 0, 4],
    [4, 5, 5, 5, 4, 0],
]

names = ["Action", "Adventure", "Comedy", "Drama", "Fantasy", "Thriller"]
# 可视化绘制
Chord(matrix, names).show()

结果如下：

Chord Example01

当然，你还可以自定义颜色：

hex_colours = ["#222222", "#333333", "#4c4c4c", "#666666", "#848484", "#9a9a9a"]

Chord(matrix, names, colors=hex_colours).show()

Change color

在定制化操作上，免费的Chord 和付费的Chord Pro 主要有以下不同：

「Chord(free)」:

Chord(self,
        matrix,
        names,
        colors="d3.schemeSet1",
        opacity=0.8,
        padding=0.01,
        width=700,
        label_color="#454545",
        wrap_labels=False,
        margin=0,
        credit=False,
        font_size="16px",
        font_size_large="20px"      
    )

「Chord Pro」:

Chord(self,
        matrix,
        names,
        colors="d3.schemeSet1",
        opacity=0.8,
        padding=0.01,
        width=700,
        label_color="#454545",
        wrap_labels=False,
        margin=0,
        credit=False,
        font_size="16px",
        font_size_large="20px",
        details=[],
        details_thumbs=[],
        thumbs_width=85,
        thumbs_margin=5,
        thumbs_font_size=14,
        popup_width=350,
        noun="instances",
        details_separator=", ",
        divide=False,
        divide_idx=0,
        divide_size=0.5,
        instances=0,
        verb="occur together in",
        symmetric=True,
        title="",
        arc_numbers=False,
        divide_left_label="",
        divide_right_label="",
        inner_radius_scale=0.39,
        outer_radius_scale=1.1,
        allow_download=False,        
    )

可以看的出来，付费的Chord Pro在定制化绘制方面要灵活的多。此外，该库的作者还有许多优秀的资源分享，更多信息可查看上述的网址。

1. Bokeh、Plotly库

既然提到了交互式的Python可视化库，和弦图还可以使用Bokeh、Plotly等库进行绘制，更多详细内容，小伙伴们可自行搜索哈。

总结

本篇推文介绍了和弦图(Chord diagram)的R和Python绘制方法，得益于优秀的开发者，两者在制作方法都有对应的三方库或者函数，但也可以看出，R在可视化绘制方法还是比Python要灵活的多，且直接对应的第三方包也相对较多，总之还是一句话，绘图工具千千万，适合自己的才是最好的。