实例分析：
### 安装与加载包
install.packages("devtools")
devtools::install_github("fbreitwieser/sankeyD3")
library(sankeyD3)
第一个为链接数据框 links（起点、靶点、权重、链接的特征1、链接的特征1.....）；
然后根据links构建第二个为节点数据框nodes(起点与靶点、点的特征1、点的特征........）
nodes <- data.frame(name=c(as.character(links$source), as.character(links$target)) %>% unique())
然后基于nodes数据框构建links中节点的唯一标识符ID，而非根据节点的name
links$IDsource <- match(links$source, nodes$name)-1
links$IDtarget <- match(links$target, nodes$name)-1
sankeyNetwork( Links = links, Nodes = nodes, Source = "IDsource", Target = "IDtarget",
Value = "weight", NodeID = "name",nodeWidth =10,units = 'TWh',
height=300,width=300,colourScale=JS("d3.scaleOrdinal(d3.schemeCategory10)"),
numberFormat=".0f",fontSize = 8)
nodes$color<-sample(c("red","orange","blue","green"),nrow(nodes),replace=T) #在这里进行随机自定义颜色，当然也可以按照自己的需求进行设置
sankeyNetwork(Links = links, Nodes = nodes,Source = "IDsource", Target = "IDtarget",
Value = "weight", NodeID = "name",nodeWidth =10,units = 'TWh',
height=300,width=300,numberFormat=".0f",fontSize = 8, NodeColor = "color" )
也可以根据节点自定义的分类对节点进行颜色的绘制
nodes$group<-rep("水果",nrow(nodes))
nodes$group[nodes$name %in% c("上海","深圳","北京","南京")]<-"城市"
nodes$group[nodes$name %in% c("律师","老师","白领","公务员","记者","化妆师")]<-"职业"
sankeyNetwork(Links = links, Nodes = nodes,Source = "IDsource", Target = "IDtarget",
Value = "weight", NodeID = "name",nodeWidth =10,units = 'TWh',
numberFormat=".0f",fontSize = 8,height=300,width=300,
NodeGroup="group",colourScale=JS("d3.scaleOrdinal(d3.schemeCategory10)") )
对于缎带的颜色设置同理也可以对其进行分组颜色设置（这里按照其统计量进行分组设置，当然也可以按照其他进行分组）
links$group<-rep("A",nrow(links))
links$group[links$weight<500 &links$weight>=100]<-"B"
links$group[links$weight<100]<-"C"
sankeyNetwork(Links = links, Nodes = nodes,Source = "IDsource", Target = "IDtarget",
Value = "weight", NodeID = "name",nodeWidth =10,units = 'TWh',
numberFormat=".0f",fontSize = 8,height=300,width=300,
NodeGroup="group", LinkGroup = "group",
colourScale=JS("d3.scaleOrdinal(d3.schemeCategory10)"))
有时候想要缎带根据其宽度进行一定透明度的变化，可以使用 linkType="path1"参数进行设置
install.packages("webshot")
library(webshot)
if(!is_phantomjs_installed()){
install_phantomjs()
}
library(webshot)
p<-sankeyNetwork(Links = links, Nodes = nodes,Source = "IDsource", Target = "IDtarget",
Value = "weight", NodeID = "name",nodeWidth =10,units = 'TWh',
numberFormat=".0f",fontSize = 8,height=300,width=300,
NodeGroup="group",LinkGroup = "group",
colourScale=JS("d3.scaleOrdinal(d3.schemeCategory10)"))
### 将结果存储PDF
saveNetwork(p,"sankey.html")
webshot("sankey.html" , "sankey.pdf")
今天我们将通过一个例子来说明如何分析两个定类变量。
文章背景：我们想研究CFPS2010和CFPS2012青少年对自身的职业期望。
如表1，我们将原始的职业期望编码整合成9类（职业编码的大类）和其他。由于我们想分析同一个人在跨轮次调查中职业期望的稳定性情况，故将分析对象定义为在CFPS2010和CFPS2012中都回答了自己对自己职业期望的受访者。如表2所示，进行重编码后的数据是宽数据，样本量是1920，数据集名字为expect。我们在进行后续分析时，要将其转换为绘图所需的其他形式。
⭐分析方式1——列联表、频数与频率
在表3中，我们展示了2010与2012年青少年职业期望的交叉统计情况。同时该表内，也附上了频数（落在各类别中的数据个数）、⽐例（某⼀类别数据占全部数据的⽐值）、百分⽐（将对⽐的基数作为100⽽计算的⽐值，包括百分比、行百分比和列百分比）。
⭐分析方式2——统计图表
分析前色彩讲解：预设渐变色，我们这里介绍2个色彩包。
1）专门生产系列颜色的RColorBrewer包，详见图1中的系列颜色。
library(RColorBrewer)
display.brewer.all()
2）色盲友好的配色方案viridis包，详见图2中的系列颜色。
library(viridis)
?viridis()#可以看到更多对这组包色彩的说明
接下来我们来画图吧~【注：图3-图6中的类目数字的含义：1）国家机关、党群组织、企业、事业单位负责人；2）医生；3）教师；4）专业技术人员（刨除教师和医生）；5）办事人员和有关人员；6）商业、服务业人员；7）农、林、牧、渔、水利业生产人员；8）生产、运输设备操作人员及有关人员；9）军人；10）其他。】
