python数据分析之桑吉图

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。

3 mins
数据分析笔记

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h2

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h2

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

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：h3

首先，处理一下数据h4

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:

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h4

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：

nodes = []


for i in range(2):
    values = df.iloc[:,i].unique()
    for value in values:
        dic = {}
        dic['name'] = value
        nodes.append(dic)
image-20210108182513944