【Python 】繪制驚艷的桑基圖

從這個(gè) 桑基圖 (Sankey)可視化中可以明顯看出，從England遷移到Wales的居民多于從Scotland或Northern Ireland遷移的居民。

什么是桑基圖？

桑基圖通常描繪 從一個(gè)實(shí)體（或節(jié)點(diǎn)）到另一個(gè)實(shí)體（或節(jié)點(diǎn)）的數(shù)據(jù)流。

數(shù)據(jù)流向的實(shí)體被稱為節(jié)點(diǎn)，數(shù)據(jù)流起源的節(jié)點(diǎn)是源節(jié)點(diǎn)（例如左側(cè)的England），流結(jié)束的節(jié)點(diǎn)是 目標(biāo)節(jié)點(diǎn)（例如右側(cè)的Wales）。源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)通常表示為帶有標(biāo)簽的矩形。

流動(dòng)本身由直線或曲線路徑表示，稱為鏈接。流/鏈接的寬度與流的量/數(shù)量成正比。在上面的例子中，從英格蘭到威爾士的流動(dòng)（即居民遷移）比從英格蘭到蘇格蘭或北愛爾蘭的流動(dòng)（即居民遷移）更廣泛（更多），表明遷移到威爾士的居民數(shù)量多于其他國(guó)家。

桑基圖可用于表示能量、金錢、成本的流動(dòng)，以及任何具有流動(dòng)概念的事物。

米納爾關(guān)于拿破侖入侵俄羅斯的經(jīng)典圖表可能是桑基圖表最著名的例子。這種使用桑基圖的可視化非常有效地顯示了法國(guó)軍隊(duì)在前往俄羅斯和返回的途中是如何進(jìn)步（或減少？）的。

本文中，我們使用 python 的 plotly 繪制桑基圖。

如何繪制桑基圖？

本文使用 2021 年奧運(yùn)會(huì)數(shù)據(jù)集繪制桑基圖。該數(shù)據(jù)集包含有關(guān)獎(jiǎng)牌總數(shù)的詳細(xì)信息——國(guó)家、獎(jiǎng)牌總數(shù)以及金牌、銀牌和銅牌的單項(xiàng)總數(shù)。我們通過繪制一個(gè)桑基圖來了解一個(gè)國(guó)家贏得的金牌、銀牌和銅牌數(shù)。

df_medals?=?pd.read_excel("data/Medals.xlsx")
print(df_medals.info())
df_medals.rename(columns={'Team/NOC':'Country',?'Total':?'Total?Medals',?'Gold':'Gold?Medals',?'Silver':?'Silver?Medals',?'Bronze':?'Bronze?Medals'},?inplace=True)
df_medals.drop(columns=['Unnamed:?7','Unnamed:?8','Rank?by?Total'],?inplace=True)

df_medals

RangeIndex: 93 entries, 0 to 92
Data columns (total 9 columns):
 #   Column         Non-Null Count  Dtype  
---  ------         --------------  -----  
 0   Rank           93 non-null     int64  
 1   Team/NOC       93 non-null     object 
 2   Gold           93 non-null     int64  
 3   Silver         93 non-null     int64  
 4   Bronze         93 non-null     int64  
 5   Total          93 non-null     int64  
 6   Rank by Total  93 non-null     int64  
 7   Unnamed: 7     0 non-null      float64
 8   Unnamed: 8     1 non-null      float64
dtypes: float64(2), int64(6), object(1)
memory usage: 6.7+ KB
None

桑基圖繪圖基礎(chǔ)

使用 plotly 的 go.Sankey，該方法帶有2 個(gè)參數(shù) —— nodes ?和 links (節(jié)點(diǎn)和鏈接)。

注意：所有節(jié)點(diǎn)——源和目標(biāo)都應(yīng)該有唯一的標(biāo)識(shí)符。

在本文奧林匹克獎(jiǎng)牌數(shù)據(jù)集情況中：

Source是國(guó)家。將前 3 個(gè)國(guó)家（美國(guó)、中國(guó)和日本）視為源節(jié)點(diǎn)。用以下（唯一的）標(biāo)識(shí)符、標(biāo)簽和顏色來標(biāo)記這些源節(jié)點(diǎn)：

• 0：美國(guó)：綠色
• 1：中國(guó)：藍(lán)色
• 2：日本：橙色

Target是金牌、銀牌或銅牌。用以下（唯一的）標(biāo)識(shí)符、標(biāo)簽和顏色來標(biāo)記這些目標(biāo)節(jié)點(diǎn)：

• 3：金牌：金色
• 4：銀牌：銀色
• 5：銅牌：棕色

Link（源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)之間）是每種類型獎(jiǎng)牌的數(shù)量。在每個(gè)源中有3個(gè)鏈接，每個(gè)鏈接都以目標(biāo)結(jié)尾——金牌、銀牌和銅牌。所以總共有9個(gè)鏈接。每個(gè)環(huán)節(jié)的寬度應(yīng)為金牌、銀牌和銅牌的數(shù)量。用以下源標(biāo)記這些鏈接到目標(biāo)、值和顏色：

• 0 (美國(guó)) 至 3,4,5 : 39, 41, 33
• 1 (中國(guó)) 至 3,4,5 : 38, 32, 18
• 2 (日本) 至 3,4,5 : 27, 14, 17

需要實(shí)例化 2 個(gè) python dict 對(duì)象來表示

• nodes （源和目標(biāo)）：標(biāo)簽和顏色作為單獨(dú)的列表和
• links：源節(jié)點(diǎn)、目標(biāo)節(jié)點(diǎn)、值（寬度）和鏈接的顏色作為單獨(dú)的列表

并將其傳遞給plotly的 go.Sankey。

列表的每個(gè)索引（標(biāo)簽、源、目標(biāo)、值和顏色）分別對(duì)應(yīng)一個(gè)節(jié)點(diǎn)或鏈接。

NODES?=?dict(?
#?????????0???????????????????????????1?????????????????????????????2????????3???????4?????????5?????????????????????????
label?=?["United?States?of?America",?"People's?Republic?of?China",?"Japan",?"Gold",?"Silver",?"Bronze"],
color?=?["seagreen",?????????????????"dodgerblue",?????????????????"orange",?"gold",?"silver",?"brown"?],)
LINKS?=?dict(???
??source?=?[??0,??0,??0,??1,??1,??1,??2,??2,??2],?#?鏈接的起點(diǎn)或源節(jié)點(diǎn)
??target?=?[??3,??4,??5,??3,??4,??5,??3,??4,??5],?#?鏈接的目的地或目標(biāo)節(jié)點(diǎn)
??value?=??[?39,?41,?33,?38,?32,?18,?27,?14,?17],?#?鏈接的寬度（數(shù)量）
#?鏈接的顏色
#?目標(biāo)節(jié)點(diǎn)：?????? 3-Gold ???????? 4-Silver ?????? 5-Bronze
??color?=?[???
??"lightgreen",???"lightgreen",???"lightgreen",??????#?源節(jié)點(diǎn)：0?-?美國(guó) States of America
??"lightskyblue",?"lightskyblue",?"lightskyblue",????#?源節(jié)點(diǎn)：1 -?中華人民共和國(guó)China
??"bisque",???????"bisque",???????"bisque"],)????????#?源節(jié)點(diǎn)：2 -?日本
data?=?go.Sankey(node?=?NODES,?link?=?LINKS)
fig?=?go.Figure(data)
fig.show()

這是一個(gè)非常基本的桑基圖。但是否注意到圖表太寬并且銀牌出現(xiàn)在金牌之前？

接下來介紹如何調(diào)整節(jié)點(diǎn)的位置和寬度。

調(diào)整節(jié)點(diǎn)位置和圖表寬度

為節(jié)點(diǎn)添加 x 和 y 位置以明確指定節(jié)點(diǎn)的位置。值應(yīng)介于 0 和 1 之間。

NODES?=?dict(?
#?????????0???????????????????????????1?????????????????????????????2????????3???????4?????????5?????????????????????????
label?=?["United?States?of?America",?"People's?Republic?of?China",?"Japan",?"Gold",?"Silver",?"Bronze"],
color?=?["seagreen",?????????????????"dodgerblue",?????????????????"orange",?"gold",?"silver",?"brown"?],)
x?=?[?????0,??????????????????????????0,?                           0,???    ?0.5,????0.5,??????0.5],
y?=?[?????0,??????????????????????????0.5,?????                     1,????    0.1,????0.5,????????1],)
data?=?go.Sankey(node?=?NODES,?link?=?LINKS)
fig?=?go.Figure(data)
fig.update_layout(title="Olympics?-?2021:?Country?&??Medals",??font_size=16)
fig.show()

于是得到了一個(gè)緊湊的桑基圖：

下面看看代碼中傳遞的各種參數(shù)如何映射到圖中的節(jié)點(diǎn)和鏈接。

添加有意義的懸停標(biāo)簽

我們都知道plotly繪圖是交互的，我們可以將鼠標(biāo)懸停在節(jié)點(diǎn)和鏈接上以獲取更多信息。

當(dāng)將鼠標(biāo)懸停在圖上，將會(huì)顯示詳細(xì)信息。懸停標(biāo)簽中顯示的信息是默認(rèn)文本：節(jié)點(diǎn)、節(jié)點(diǎn)名稱、傳入流數(shù)、傳出流數(shù)和總值。

例如：

• 節(jié)點(diǎn)美國(guó)共獲得11枚獎(jiǎng)牌（=39金+41銀+33銅）
• 節(jié)點(diǎn)金牌共有104枚獎(jiǎng)牌（=美國(guó)39枚，中國(guó)38枚，日本27枚）

如果我們覺得這些標(biāo)簽太冗長(zhǎng)了，我們可以對(duì)此進(jìn)程改進(jìn)。使用hovertemplate參數(shù)改進(jìn)懸停標(biāo)簽的格式

• 對(duì)于節(jié)點(diǎn)，由于hoverlabels 沒有提供新信息，通過傳遞一個(gè)空hovertemplate = ""來去掉hoverlabel
• 對(duì)于鏈接，可以使標(biāo)簽簡(jiǎn)潔，格式為-
• 對(duì)于節(jié)點(diǎn)和鏈接，讓我們使用后綴"Medals"顯示值。例如 113 枚獎(jiǎng)牌而不是 113 枚。這可以通過使用具有適當(dāng)valueformat和valuesuffix的update_traces函數(shù)來實(shí)現(xiàn)。

NODES?=?dict(?
#?????????0???????????????????????????1???????????????????????????????2????????3???????4???????????5
label?=?["United?States?of?America",?"People's?Republic?of?China",???"Japan",?"Gold",?"Silver",?"Bronze"],
color?=?[????????????????"seagreen",?????????????????"dodgerblue",??"orange",?"gold",?"silver",?"brown"?],
x?????=?[?????????????????????????0,????????????????????????????0,?????????0,????0.5,??????0.5,??????0.5],
y?????=?[?????????????????????????0,??????????????????????????0.5,?????????1,????0.1,??????0.5,????????1],
hovertemplate="?",)

LINK_LABELS?=?[]
for?country?in?["USA","China","Japan"]:
????for?medal?in?["Gold","Silver","Bronze"]:
????????LINK_LABELS.append(f"{country}-{medal}")
LINKS?=?dict(source?=?[??0,??0,??0,??1,??1,??1,??2,??2,??2],?
???????#?鏈接的起點(diǎn)或源節(jié)點(diǎn)
???????target?=?[??3,??4,??5,??3,??4,??5,??3,??4,??5],?
???????#?鏈接的目的地或目標(biāo)節(jié)點(diǎn)
???????value?=??[?39,?41,?33,?38,?32,?18,?27,?14,?17],?
???????#?鏈接的寬度（數(shù)量）?
?????????????#?鏈接的顏色
?????????????#?目標(biāo)節(jié)點(diǎn)：3-Gold ???????? 4 -Silver ?????? 5-Bronze
?????????????color?=?["lightgreen",???"lightgreen",???"lightgreen",???#?源節(jié)點(diǎn)：0?-?美國(guó)
??????????????????????"lightskyblue",?"lightskyblue",?"lightskyblue",?#?源節(jié)點(diǎn)：1 -?中國(guó)
??????????????????????"bisque",???????"bisque",???????"bisque"],??????#?源節(jié)點(diǎn)：2 -?日本
?????????????label?=?LINK_LABELS,?
?????????????hovertemplate="%{label}",)

data?=?go.Sankey(node?=?NODES,?link?=?LINKS)
fig?=?go.Figure(data)
fig.update_layout(title="Olympics?-?2021:?Country?&??Medals",??
??????????????????font_size=16,?width=1200,?height=500,)
fig.update_traces(valueformat='3d',?
??????????????????valuesuffix='Medals',?
??????????????????selector=dict(type='sankey'))
fig.update_layout(hoverlabel=dict(bgcolor="lightgray",
??????????????????????????????????font_size=16,
??????????????????????????????????font_family="Rockwell"))
fig.show("png")?#fig.show()

對(duì)多個(gè)節(jié)點(diǎn)和級(jí)別進(jìn)行泛化

相對(duì)于鏈接，節(jié)點(diǎn)被稱為源和目標(biāo)。作為一個(gè)鏈接目標(biāo)的節(jié)點(diǎn)可以是另一個(gè)鏈接的源。

• 該代碼可以推廣到處理數(shù)據(jù)集中的所有國(guó)家。
• 還可以將圖表擴(kuò)展到另一個(gè)層次，以可視化各國(guó)的獎(jiǎng)牌總數(shù)。

NUM_COUNTRIES?=?5
X_POS,?Y_POS?=?0.5,?1/(NUM_COUNTRIES-1)
NODE_COLORS?=?["seagreen",?"dodgerblue",?"orange",?"palevioletred",?"darkcyan"]
LINK_COLORS?=?["lightgreen",?"lightskyblue",?"bisque",?"pink",?"lightcyan"]

source?=?[]
node_x_pos,?node_y_pos?=?[],?[]
node_labels,?node_colors?=?[],?NODE_COLORS[0:NUM_COUNTRIES]
link_labels,?link_colors,?link_values?=?[],?[],?[]?

#?第一組鏈接和節(jié)點(diǎn)
for?i?in?range(NUM_COUNTRIES):
????source.extend([i]*3)
????node_x_pos.append(0.01)
????node_y_pos.append(round(i*Y_POS+0.01,2))
????country?=?df_medals['Country'][i]
????node_labels.append(country)?
????for?medal?in?["Gold",?"Silver",?"Bronze"]:
????????link_labels.append(f"{country}-{medal}")
????????link_values.append(df_medals[f"{medal}?Medals"][i])
????link_colors.extend([LINK_COLORS[i]]*3)

source_last?=?max(source)+1
target?=?[?source_last,?source_last+1,?source_last+2]?*?NUM_COUNTRIES
target_last?=?max(target)+1

node_labels.extend(["Gold",?"Silver",?"Bronze"])
node_colors.extend(["gold",?"silver",?"brown"])
node_x_pos.extend([X_POS,?X_POS,?X_POS])
node_y_pos.extend([0.01,?0.5,?1])

#?最后一組鏈接和節(jié)點(diǎn)
source.extend([?source_last,?source_last+1,?source_last+2])
target.extend([target_last]*3)
node_labels.extend(["Total?Medals"])
node_colors.extend(["grey"])
node_x_pos.extend([X_POS+0.25])
node_y_pos.extend([0.5])

for?medal?in?["Gold","Silver","Bronze"]:
????link_labels.append(f"{medal}")
????link_values.append(df_medals[f"{medal}?Medals"][:i+1].sum())
link_colors.extend(["gold",?"silver",?"brown"])

print("node_labels",?node_labels)
print("node_x_pos",?node_x_pos);?print("node_y_pos",?node_y_pos)

node_labels ['United States of America', "People's Republic of China", 
             'Japan', 'Great Britain', 'ROC', 'Gold', 'Silver', 
             'Bronze', 'Total Medals']
node_x_pos [0.01, 0.01, 0.01, 0.01, 0.01, 0.5, 0.5, 0.5, 0.75]
node_y_pos [0.01, 0.26, 0.51, 0.76, 1.01, 0.01, 0.5, 1, 0.5]

#?顯示的圖
NODES?=?dict(pad??=?20,?thickness?=?20,?
?????????????line?=?dict(color?=?"lightslategrey",
?????????????????????????width?=?0.5),
?????????????hovertemplate="?",
?????????????label?=?node_labels,?
?????????????color?=?node_colors,
?????????????x?=?node_x_pos,?
?????????????y?=?node_y_pos,?)
LINKS?=?dict(source?=?source,?
?????????????target?=?target,?
?????????????value?=?link_values,?
?????????????label?=?link_labels,?
?????????????color?=?link_colors,
?????????????hovertemplate="%{label}",)
data?=?go.Sankey(arrangement='snap',?
?????????????????node?=?NODES,?
?????????????????link?=?LINKS)
fig?=?go.Figure(data)
fig.update_traces(valueformat='3d',?
??????????????????valuesuffix='?Medals',?
??????????????????selector=dict(type='sankey'))
fig.update_layout(title="Olympics?-?2021:?Country?&??Medals",??
??????????????????font_size=16,??
??????????????????width=1200,
??????????????????height=500,)
fig.update_layout(hoverlabel=dict(bgcolor="grey",?
??????????????????????????????????font_size=14,?
??????????????????????????????????font_family="Rockwell"))
fig.show("png")?