清华学者用Python制作漂亮的流动桑基图

Posted 2021-05-20 不加班的程序员丶

桑基图绘制实践

本文中介绍的是如何制作桑基图，使用的可视化库是强大的 Pyecharts (版本1.7.1，版本一致很重要)。文章将从如下几个方面进行介绍：

• 什么是桑基图

• 官网的两个 demo

• 桑基图绘制项目实战

在开始之前，我们先来看看通过本文制作的最终效果图：

什么是桑基图？

桑基图（桑葚图），也叫桑基能量分流图或者桑基能量平衡图，里面的桑基其实是一个人名，全名是 马修·亨利·菲尼亚斯·里尔·桑基（Matthew Henry Phineas Riall Sankey） ，是一名爱尔兰裔工程师，也是英国皇家陆军工兵的上尉[1]。

早在 1898 年的时候，他就使用这种图形来表示蒸汽机的能源效率：

桑基之后，桑基图逐渐成为科学和工程领域，代表平衡、能量流、物质流的标准模型，在一些产品的生命周期评估中也常被使用，通常应用于能源、材料成分、金融等数据的可视化分析。主要特点是：

• 图形由边、流量和支点组成。边代表了流动的数据，流量代表了流动数据的具体数值，节点代表了不同分类

• 始末端的分支宽度总和相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡。

官网demo

本文中使用的Pyecharts版本是1.7.1，版本的一致非常重要。

demo_1

首先我们看看官网的第一个demo：

下面是最终的图形：

demo_2

接下来我们看看官网的第二个demo：

• 读取本地的json数据，通过josn.load()读取转成Python字典

• 取出json数据中的节点和链路数据进行绘图

桑基图绘制实践

原始数据整理

通过上面官网的例子我们明白了绘制桑基图需要的两个数据：节点数据+链路数据，下面👇通过一个实际的案例来讲解如何生成绘制桑基图需要的数据

认识原始数据

Peter同学一个人在深圳搬砖，辛辛苦苦地搬了一个月，产生很多的开销😭，这些开支主要分成5大块：

• 住宿

• 餐饮

• 交通

• 服装

• 红包

每个部分又分别有不同的去向，所以这些数据就自然构成了一条条的链路，比如：总费用—住宿—房租（2000），总费用—交通—滴滴（220）等，我们只考虑两个节点之间的关系

分层级整理数据

1、接下来我们分不同的层级来整理原始数据，首先是第一层：总费用到5个子版块。算出每个子版块的总和

2、整理5个子版块的数据

3、我们将上面两个步骤得到的数据放入一个sheet中，命名为开支：

桑基图数据生成

读取数据

首先我们将上面制作好的开支这份数据读到pandas中：

注意两点：

1. 当一个表格中存在多个sheet的时候，我们需要指定sheet_name的名字

2. 指定sheet_name的名字有两种方式：

   1. 直接指定名字

   2. 指定该sheet_name的位置索引

确定全部节点nodes

1、先找出全部的节点

所有的节点数据就是上面的父类和子类中去重后的元素，我们使用集合set进行去重，再转成列表

将上面的数据相加并且去重：

2、生成节点数据

生成链路数据

我们将导入的数据生成链路数据：每一行记录都是一个链路数据：

Attention⚠️：导入的数据部分需要强制转换成int类型，防止后面的数据处理报错。

到此为止，我们已经完成了桑葚图中节点数据和链路数据的生成，下面开始绘图。

绘制桑基图

我们通过官网的2种不同方式来绘制桑基图

方式1

这种方式比较简单：直接将上面得到的nodes_list和links_list整体放入绘图的代码中：

得到的桑基图在notebook中是动态的图形：

动态视频效果如下：由于系统原因，无法上传视频，就上传个截图了

需要相关资料的可以扫一扫备注【python资料】