9.1 层次结构图怎么选：同一种数据的四种画法
层次（树形）数据可以画成四种样子，各有侧重：
① 节点链接图：点+连线，层级关系最清楚（上下级一目了然），但节点多时会乱；
② 树形图（冰柱图）：像倒置的树/冰柱，适合看层级深度；
③ 旭日图：同心圆环，每圈一层，面积=数值，层级+占比一起看；
④ 矩形树状图（treemap）：用矩形面积表示数值，空间利用率最高；
⑤ 圆堆积图：圆套圆，适合展示嵌套关系。
选图原则：层级多、要标注准确 → 节点链接图/树形图；层级+数值占比 → 旭日图/矩形树状图；节点极多 → 矩形树状图（最省空间）。
节点链接图的正交布局法.png)
_旭日图.png)
_矩形树状图.png)
9.2 节点链接图：层级关系最直白
节点链接图 = 节点（个体）+ 连线（隶属关系）。布局有两种：
① 正交布局：像组织结构图，上下排布，父子关系靠连线和缩进表达；
② 径向布局：根节点在圆心，各级向外辐射成同心圆——节点多时比正交布局紧凑。
实现：ggraph 包（layout = 'dendrogram'/'partition' 等）或 igraph。
看什么：树有多深（层级数）、哪些分支特别长（分类层级多）。
论文用法：物种分类树（门纲目科属种）的可视化。
节点链接图的径向布局法.png)
9.3 树形图：聚类结果的默认展示
树形图（dendrogram）是层次聚类的配套图：hclust() 聚类后，树的分叉高度=样本/变量的相似度，越高越不相似。
实现：ggplot2 的 ggdendro 包或 dendextend 包；ggtree 包是微生物系统发育树的专业工具。
看什么：哪些样本/物种先合并（关系近），树的高低分叉把数据分成几大簇。
论文用法：样品聚类（Bray-Curtis 距离 + UPGMA 法）、物种系统发育树——16S 分析里和 PCA/热力图配套出现。
9.4 旭日图：层级 + 占比一张图
旭日图（sunburst）从圆心开始一圈一圈向外：圆心=顶层分类，每向外一圈=下一级，每段弧的面积=数值占比。
实现：ggplot2 手绘（geom_col + coord_polar）或 sunburstR/plotly 包。
看什么：外层哪段最大=细分后占主体的类别；同一角度方向的多层弧=同一大类的细分链。
注意：最内圈占比小（比如 2%）的类别，外圈再细分就看不清了——细分前先看内圈占比。
论文用法：物种分类占比（门→纲→目 各层级）的可视化。
旭日图.png)
9.5 圆堆积图：圆套圆的嵌套
圆堆积图（circle packing）把层级画成"圆套圆"：外层大圆=父类，内层小圆=子类，圆面积=数值。
实现：ggraph 的 layout='circlepack'（代码见下）。
看什么：哪组"包得紧"（子类多且密）；最大圆=主导类别。
适合：节点几十个以内、想强调嵌套关系；比矩形树状图好看但空间利用率低，大圆套小圆容易挤。
library(ggraph); library(igraph) mygraph <- graph_from_data_frame(edges, vertices = vertices) ggraph(mygraph, layout = 'circlepack', weight = "size") + geom_node_circle(aes(fill = depth)) + geom_node_text(aes(label = shortName, filter = leaf)) + theme_void()
9.6 矩形树状图：面积=数值，最省空间
矩形树状图（treemap）把整体切成一堆矩形：每块面积=数值大小，父类用粗边框，子类在内部细分。
实现：treemap 包（快、专业）或 ggplot2 的 treemapify。
看什么：谁占面积最大=谁数值最大；同色系区域=同一父类。
优点：几千个节点也能塞进一张图；缺点：矩形形状不能精确读出数值，且小矩形标注放不下。
论文用法：物种丰度组成（门水平谁占主导）、KEGG 通路占比。
library(treemap)
proglangs <- read.csv("Treemap_Data.csv")
treemap(proglangs,
index = c("parent", "id"), # 层级：父类 + 子类
vSize = "value", # 面积 = 数值
vColor = "parent", type = "index",
palette = "Set1")