用Python繪制誘人的桑基圖，一眼看透熬夜和狗糧的秘密...

最近，不止一次收到群里小伙伴的截圖追問：

“這個圖叫什么？？？”

“這個圖真好看！！！怎么畫啊？”

小z本沒有干貨，問的人多了，也便有了干貨。

此圖姓桑名基，平素不喜露面。奈何天生麗質，偶有露面，必引眾人圍觀。

時人有云：“桑基桑基，高貴美麗！”

桑基是何許圖也

據(jù)小z不嚴謹?shù)某闃犹釂柦y(tǒng)計，90%想學習桑基圖的旁友，都是被她妖艷炫酷的外表所吸引。

而桑基圖真正代表了什么？和類似圖表相比的獨特性是什么？卻幾乎無人問津。

害！人真的是視覺動物！

言歸正傳，我們來看看百科的官方解釋：

桑基圖(Sankey diagram)，即桑基能量分流圖，也叫桑基能量平衡圖。它是一種特定類型的流程圖，圖中延伸的分支的寬度對應數(shù)據(jù)流量的大小，通常應用于能源、材料成分、金融等數(shù)據(jù)的可視化分析。因1898年Matthew Henry Phineas Riall Sankey繪制的"蒸汽機的能源效率圖"而聞名，此后便以其名字命名為"桑基圖"。

Emmm，有點內個意思了，結合其他資料，做進一步的匯總提煉：

• 桑基兩個字取自“發(fā)明”者的名字

• 屬于流程圖的一種，核心在于展示數(shù)據(jù)的流轉

• 主要由節(jié)點、邊和流量三要素構成，邊越寬代表流量越大

• 遵循守恒定律，無論怎么流動，開端和末端數(shù)據(jù)總是一致的

文字太蒼白，下面我們用Python來繪制一個具體的實例~

Python手把手繪制桑基圖

動手之前，我們再次敲黑板，回顧桑基圖組成要素的重點——節(jié)點、邊和流量。

任何桑基圖，無論展現(xiàn)形式如何夸張，色彩如何艷麗，動效如何炫酷，本質都逃不出上述3點。

只要我們定義好上述3個要素，Python的pyecharts庫能夠輕松實現(xiàn)桑基圖的繪制。

這里我們用“當代青年熬夜原因分析”數(shù)據(jù)為例：

數(shù)據(jù)來源：這個數(shù)據(jù)是小z近兩周賣炒粉時口頭做的調研

很規(guī)整的性別、熬夜原因、人數(shù)三列數(shù)據(jù)。

不過，要用pyecharts來畫圖，得入鄉(xiāng)隨俗，按照它定的規(guī)則來規(guī)整數(shù)據(jù)源。

首先是節(jié)點，這一步需要把所有涉及到的節(jié)點去重規(guī)整在一起。也就是要把性別一列的“男”、“女”和熬夜原因一列的“打游戲”、“加班”、“看劇”以列表內嵌套字典的形式去重匯總：

接著，定義邊和流量，數(shù)據(jù)從哪里流向哪里，流量（值）是多少，循環(huán)+字典依然可以輕松搞定：

source-target-value的字典格式，很清晰的描述了數(shù)據(jù)的流轉情況。

這兩塊數(shù)據(jù)準備完畢，桑基圖已經(jīng)完成了80%，剩下的20%，只是固定格式的繪圖代碼：

from pyecharts.charts import Sankey
from pyecharts import options as opts

pic = (
    Sankey()
    .add('', #圖例名稱
         nodes,    #傳入節(jié)點數(shù)據(jù)
         linkes,   #傳入邊和流量數(shù)據(jù)
         #設置透明度、彎曲度、顏色
         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = "source"),
         #標簽顯示位置
         label_opts=opts.LabelOpts(position="right"),
         #節(jié)點之前的距離
         node_gap = 30,
    )
    .set_global_opts(title_opts=opts.TitleOpts(title = '熬夜原因桑基圖'))
)

pic.render('test.html')

一個回車下去，看看成果：

果然，男打游戲女看劇，加班熬夜是兒戲。

如果想要垂直顯示，只需要在add函數(shù)里面加一個orient="vertical"就好：

pic = (
    Sankey()
    .add('',
         nodes,
         linkes,
         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = "source"),
         label_opts=opts.LabelOpts(position="top"),
         node_gap = 30,
         orient="vertical",      #更改的是這里
    )
    .set_global_opts(title_opts=opts.TitleOpts(title = '熬夜原因細分桑基圖'))
)

pic.render('test2.html')

OK！不過，還有同學意猶未盡，這個是涉及到兩層的流轉，那如果三層，需要怎么畫呢？

不慌，先導入（狗糧）數(shù)據(jù)：

這是某寵物品牌，3月份主要產(chǎn)品購買路徑（第一次和第二次）的數(shù)據(jù)，先是品類，其次是第一次購買的產(chǎn)品類型，接著是第二次購買的產(chǎn)品類型，最后一列對應人數(shù)。

注：這里第一次購買的產(chǎn)品前面加了“1-”，第二次購買加了“2-”的區(qū)分標識。

畫圖必備的nodes節(jié)點實現(xiàn)很簡單，所有節(jié)點（品類、第一次購買、第二次購買）做去重匯總，對上面生成nodes代碼稍作調整就可以：

而linkes只接受source-traget-value的格式，得先對源數(shù)據(jù)進行格式調整，分別形成“品類-第一次購買-人數(shù)”，“第一次購買-第二次購買-人數(shù)”的樣式，再統(tǒng)一匯總：

規(guī)整匯總好之后，只需要復用上面的linkes代碼：

畫圖代碼幾乎沒變，只是改了個標題：

pic = (
    Sankey()
    .add('',
         nodes,
         linkes,
         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = 'source'),
         label_opts=opts.LabelOpts(position = 'top'),
         node_gap = 30,
    )
    .set_global_opts(title_opts=opts.TitleOpts(title = '客戶購買路徑流轉圖'))
)
pic.render('test3.html')

大功告成，So easy！無論是多少層數(shù)據(jù)的流轉，只要定義好nodes和linkes，就能以不變應萬變。

最后，通過上面的桑基圖，我們能夠非常直觀的洞察到客戶購買流轉規(guī)律：

• 出于試錯成本的考量，大部分客戶第一次購買的是小規(guī)格狗糧。

• 第一次購買小規(guī)格狗糧的客戶，流失（第二次未購買）情況嚴重，且再次購買客戶，更傾向于繼續(xù)選擇小規(guī)格狗糧嘗試，而不是信任性的購買大規(guī)格狗糧。

• 第一次購買大規(guī)格狗糧的客戶，留存下來的客戶已經(jīng)建立起對品牌的信任感，再次購買大部分選擇了大規(guī)格狗糧。

• 購買狗糧的客戶第二次復購鮮有嘗試玩具的，而第一次購買玩具的客戶，也并未建立起對品牌狗糧的興趣。

原本死板的數(shù)據(jù)，在桑基的裝扮之下，變得楚楚動人。