手把手教你用 Python 繪制桑基圖！ | 用戶行為路徑分析

所以，簡單來說：

• 漏斗分析：人為設定一條或者若干條漏斗，先有假設再數(shù)據(jù)驗證。

• 路徑分析：基于用戶所有行為，挖掘出若干條重要的用戶路徑，先有數(shù)據(jù)再驗證假設。

四、用代碼實現(xiàn)—桑基圖

桑基圖，它的核心是對不同點之間，通過線來連接。線的粗細代表流量的大小。

很多工具都能實現(xiàn)桑基圖，比如：Excel、tableau，我們今天要用 Pyecharts 來繪制。

因為沒有用戶行為路徑相關的公開數(shù)據(jù)，所以本次實現(xiàn)可視化是根據(jù)泰坦尼克號，其生存與遇難的人的數(shù)據(jù)，來分析流向路徑。學會思路，你也可以換成自己公司的用戶行為埋點數(shù)據(jù)。

讀取數(shù)據(jù)

數(shù)據(jù)來源：https://www.kaggle.com/c/titanic

from?pyecharts?import?options?as?opts
from?pyecharts.charts?import?Sankey
import?pandas?as?pd

data?=?pd.read_excel('/Users/wangwangyuqing/Desktop/train.xlsx')
data

整理數(shù)據(jù)結(jié)構：父類→子類→值

從父類到子類，每相鄰的兩個分類變量都需要計算，使用 Pandas 中數(shù)據(jù)透視表，計算后的數(shù)據(jù)縱向合并成三列。

lis?=?data.columns.tolist()[:-1]
lis1?=?lis[:-1]
lis2?=?lis[1:]

data1?=?pd.DataFrame()
for?i?in?zip(lis1,lis2):??
????datai?=?data.pivot_table('ID',index=list(i),aggfunc='count').reset_index()
????datai.columns=[0,1,2]
????data1?=?data1.append(datai)
data1

生成節(jié)點數(shù)據(jù)

需要把所有涉及到的節(jié)點去重規(guī)整在一起。列表內(nèi)嵌套字典的形式去重匯總。

#?生成nodes
nodes?=?[]
#?先添加幾個頂級的父節(jié)點
nodes.append({'name':'C港口'})
nodes.append({'name':'Q港口'})
nodes.append({'name':'S港口'})
#?添加其他節(jié)點
for?i?in?data1[1].unique():????
????dic?=?{}????
????dic['name']?=?i????
????nodes.append(dic)
nodes

組織數(shù)據(jù)：定義節(jié)點和流量

數(shù)據(jù)從哪里流向哪里，流量（值）是多少，循環(huán)+字典來組織數(shù)據(jù)

links?=?[]
for?i?in?data1.values:????
????dic?=?{}????
????dic['source']?=?i[0]????
????dic['target']?=?i[1]????
????dic['value']?=?i[2]
????links.append(dic)
links

數(shù)據(jù)可視化

c?=?(
????Sankey(init_opts=opts.InitOpts(width="1200px",?height="800px",theme='westeros'))
????.add(
????????"",
????????nodes=nodes,
????????links=links,
????????linestyle_opt=opts.LineStyleOpts(opacity=0.2,?curve=0.5,?color="source"),
????????label_opts=opts.LabelOpts(position="right"),
????)
????.set_global_opts(title_opts=opts.TitleOpts(title="桑基圖"))
????.render("/Users/wangwangyuqing/Desktop/image.html")
)

五、總結(jié)

桑基圖是分析用戶路徑的有效方法之一，能非常直觀地展現(xiàn)用戶旅程，幫助我們進一步確定轉(zhuǎn)化漏斗中的關鍵步驟，發(fā)現(xiàn)用戶的流失點，找到有價值的用戶群體，看用戶主要流向了哪里，發(fā)現(xiàn)用戶的興趣點以及被忽略的產(chǎn)品價值，尋找新的機會。