近期在整理公司的数据，因为使用tableau做出桑吉图太过复杂，所以使用python尝试了一下。

先来看一下桑基图是什么

桑基图(Sankey diagram)，即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的”蒸汽机的能源效率图”而闻名，此后便以其名字命名为”桑基图”。

特点：

  • 属于流程图的一种，核心在于展示数据的流转
  • 主要由节点、边和流量三要素构成，边越宽代表流量越大
  • 遵循守恒定律，无论怎么流动，开端和末端数据总是一致的

Python绘制桑基图

在绘制桑基图前，我们回顾一下桑基图组成要素的重点——节点、边和流量。

任何桑基图，无论展现形式如何夸张，色彩如何艳丽，动效如何炫酷，本质都逃不出上述3点。

只要我们定义好上述3个要素，Python的pyecharts库能够轻松实现桑基图的绘制。

首先，我们应该导入哪些库

1
2
3
4
5
6
import pandas as pd
import os
import numpy as np
import matplotlib.pyplot as plt
from pyecharts.charts import Sankey
from pyecharts import options as opts

这里用常用的用户转化数据为例：

首先，处理一下数据

这里我们会先把数据预处理一下，保存为表格csv

image-20210108181136505

Python中我们借助pandas把csv读取为DateFrame:

1
2
3
4
df = pd.read_csv(filepath)

#such as
df = pd.read_csv('test/date.csv')

print看一下是否正确

image-20210108181355312

进一步处理

首先先处理节点，这一步需要把所有涉及到的节点去重规整在一起。也就是要把来源一列的“搜索访问”、“外部广告”和行为一列的“离开”、“注册”、“购买”以列表内嵌套字典的形式去重汇总：

1
2
3
4
5
6
7
8
nodes = []

for i in range(2):
    values = df.iloc[:,i].unique()
    for value in values:
        dic = {}
        dic['name'] = value
        nodes.append(dic)

image-20210108182513944