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

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。

import pyecharts
pyecharts.__version__

demo_1

首先我们看看官网的第一个demo：

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

nodes = [   # 所有节点名称
    {"name": "category1"},
    {"name": "category2"},
    {"name": "category3"},
    {"name": "category4"},
    {"name": "category5"},
    {"name": "category6"},
]

links = [  # 每一条链路的数据，包含：父节点source + 子节点target + 数据值value
    {"source": "category1", "target": "category2", "value": 10},   
    {"source": "category2", "target": "category3", "value": 15},
    {"source": "category3", "target": "category4", "value": 20},
    {"source": "category5", "target": "category6", "value": 25},
]
c = (
    Sankey()
    .add(
        "sankey",
        nodes,
        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="Sankey-基本示例"))
  #  .render("sankey_base.html")    生成HTML文件
)

c.render_notebook()   # jupyter notebook中在线显示

在上面的代码中，nodes部分表示的是所有的节点名称，不管是父节点还是最小的子节点都要列出来；links部分表示的是每条链路的数据，包含：父节点source + 子节点target + 数据值value。根据links的数据，我们可以发现：category1——-category2———category3———category4构成了一条完整的链路，category5—category6构成了另一条链路。

下面是最终的图形：

demo_2

接下来我们看看官网的第二个demo：

import json

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

with open("product.json", "r", encoding="utf-8") as f:   # 导入json数据
    j = json.load(f)    # json数据转成字典数据
c = (
    Sankey()
    .add(
        "sankey",
        nodes=j["nodes"],   # 取出json数据的节点和链路数据
        links=j["links"],
        pos_top="10%",
        focus_node_adjacency=True,
        levels=[
            opts.SankeyLevelsOpts(
                depth=0,
                itemstyle_opts=opts.ItemStyleOpts(color="#fbb4ae"),
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
            opts.SankeyLevelsOpts(
                depth=1,
                itemstyle_opts=opts.ItemStyleOpts(color="#b3cde3"),
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
            opts.SankeyLevelsOpts(
                depth=2,
                itemstyle_opts=opts.ItemStyleOpts(color="#ccebc5"),
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
            opts.SankeyLevelsOpts(
                depth=3,
                itemstyle_opts=opts.ItemStyleOpts(color="#decbe4"),
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
        ],
        linestyle_opt=opts.LineStyleOpts(curve=0.5),
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="Sankey-Level Settings"),
        tooltip_opts=opts.TooltipOpts(trigger="item", trigger_on="mousemove"),
    )
#    .render("sankey_with_level_setting.html")
)

c.render_notebook()   # 在线显示

• 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：

import pandas as pd
import numpy as np
import json

# 等价于：data = pd.read_excel("life.xlsx",sheet_name=1)  1表示sheet_name的索引位置，索引从0开始
df = pd.read_excel("life.xlsx",sheet_name="开支")  # 直接写名字
df.head()

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

# 父类+子类中的数据，需要去重

df['父类'].tolist()
df['子类'].tolist()

将上面的数据相加并且去重：

# 将两个列表相加，在转成集合set进行元素去重，再转成列表

nodes = list(set(df['父类'].tolist() + df['子类'].tolist())) 
nodes

2、生成节点数据

# 节点列表数据: nodes_list

nodes_list = []
for i in nodes:
    dic = {}
    dic["name"] = i
    nodes_list.append(dic)
nodes_list

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：

links_list = []

for i in range(len(df)):
    dic = {}
    dic['source'] = df.iloc[i,0]  # 父类
    dic['target'] = df.iloc[i,1]  # 子类
    dic['value'] = int(df.iloc[i,2])   # 数据值 : 使用int函数直接强制转换，防止json.dump()报错
    links_list.append(dic)

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：

# 需要事先导入，否则jupyter notebook中可能不会出图
from pyecharts.globals import CurrentConfig, OnlineHostType
from pyecharts import options as opts  # 图形设置
from pyecharts.charts import Sankey    # 导入桑基图型的类

nodes_list = [
 {'name': '围巾'},
 {'name': '长辈'},
 {'name': '网络费'},
 {'name': '服装'},
 {'name': '公交'},
 {'name': '同学'},
 {'name': '袜子'},
 {'name': '总费用'},
 {'name': '衣服'},
 {'name': '红包'},
 {'name': '交通'},
 {'name': '聚餐'},
 {'name': '滴滴'},
 {'name': '餐饮'},
 {'name': '管理费'},
 {'name': '水电'},
 {'name': '共享单车'},
 {'name': '外卖'},
 {'name': '房租'},
 {'name': '住宿'},
 {'name': '饮料'},
 {'name': '鞋子'},
 {'name': '地铁'}
]

links_list = [
 {'source': '总费用', 'target': '住宿', 'value': 2580},
 {'source': '总费用', 'target': '餐饮', 'value': 1300},
 {'source': '总费用', 'target': '交通', 'value': 500},
 {'source': '总费用', 'target': '服装', 'value': 900},
 {'source': '总费用', 'target': '红包', 'value': 1300},
 {'source': '住宿', 'target': '房租', 'value': 2000},
 {'source': '住宿', 'target': '水电', 'value': 400},
 {'source': '住宿', 'target': '管理费', 'value': 100},
 {'source': '住宿', 'target': '网络费', 'value': 80},
 {'source': '餐饮', 'target': '外卖', 'value': 800},
 {'source': '餐饮', 'target': '聚餐', 'value': 300},
 {'source': '餐饮', 'target': '饮料', 'value': 200},
 {'source': '交通', 'target': '滴滴', 'value': 220},
 {'source': '交通', 'target': '地铁', 'value': 150},
 {'source': '交通', 'target': '公交', 'value': 80},
 {'source': '交通', 'target': '共享单车', 'value': 50},
 {'source': '服装', 'target': '衣服', 'value': 400},
 {'source': '服装', 'target': '鞋子', 'value': 300},
 {'source': '服装', 'target': '围巾', 'value': 150},
 {'source': '服装', 'target': '袜子', 'value': 50},
 {'source': '红包', 'target': '同学', 'value': 800},
 {'source': '红包', 'target': '长辈', 'value': 500}
]

c = (
    Sankey()
    .add(
        "月度开支",
        nodes_list,
        links_list,
        linestyle_opt=opts.LineStyleOpts(opacity=0.5, curve=0.5, color="source"),
        label_opts=opts.LabelOpts(position="right"),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="月度开支桑葚图"))
)

c.render_notebook()

得到的桑基图在notebook中是动态的图形：

动态视频效果如下：

方式2

如果数据比较少，将nodes_list和links_list放入绘图的代码中不会占据过多的空间；但是如果数据量大，不同链路种类多，全部放在整个绘图代码中，就会显得整个代码很臃肿。

于是产生了方式2：先将上面得到的nodes_list和links_list生成一个json文件，再将json文件通过with方法读进来进行绘图。下面讲解如何通过得到的nodes_list和links_list数据生成我们绘图需要的json数据。

json格式的数据，在python中以字符串的形式呈现，一定要用双引号括起来。json模块中提供的4个功能：

• dumps：python字典数据类型转成json数据类型的字符串
• dump：字典数据转成字符串并且存储在文件中
• loads：把json字符串转成字典数据类型
• load：把文件打开，并且从字符串转换成字典数据类型

1、先生成字典数据

data_dic = {}

data_dic["nodes"] = nodes_list
data_dic["links"] = links_list

得到的字典data_dic数据分为节点数据和链路数据，具体如下：

{'nodes': [{'name': '围巾'},   # 节点部分数据
  {'name': '长辈'},
  {'name': '网络费'},
  {'name': '服装'},
  {'name': '公交'},
  {'name': '同学'},
  {'name': '袜子'},
  {'name': '总费用'},
  {'name': '衣服'},
  {'name': '红包'},
  {'name': '交通'},
  {'name': '聚餐'},
  {'name': '滴滴'},
  {'name': '餐饮'},
  {'name': '管理费'},
  {'name': '水电'},
  {'name': '共享单车'},
  {'name': '外卖'},
  {'name': '房租'},
  {'name': '住宿'},
  {'name': '饮料'},
  {'name': '鞋子'},
  {'name': '地铁'}],
 'links': [{'source': '总费用', 'target': '住宿', 'value': 2580},  # 链路部分数据
  {'source': '总费用', 'target': '餐饮', 'value': 1300},
  {'source': '总费用', 'target': '交通', 'value': 500},
  {'source': '总费用', 'target': '服装', 'value': 900},
  {'source': '总费用', 'target': '红包', 'value': 1300},
  {'source': '住宿', 'target': '房租', 'value': 2000},
  {'source': '住宿', 'target': '水电', 'value': 400},
  {'source': '住宿', 'target': '管理费', 'value': 100},
  {'source': '住宿', 'target': '网络费', 'value': 80},
  {'source': '餐饮', 'target': '外卖', 'value': 800},
  {'source': '餐饮', 'target': '聚餐', 'value': 300},
  {'source': '餐饮', 'target': '饮料', 'value': 200},
  {'source': '交通', 'target': '滴滴', 'value': 220},
  {'source': '交通', 'target': '地铁', 'value': 150},
  {'source': '交通', 'target': '公交', 'value': 80},
  {'source': '交通', 'target': '共享单车', 'value': 50},
  {'source': '服装', 'target': '衣服', 'value': 400},
  {'source': '服装', 'target': '鞋子', 'value': 300},
  {'source': '服装', 'target': '围巾', 'value': 150},
  {'source': '服装', 'target': '袜子', 'value': 50},
  {'source': '红包', 'target': '同学', 'value': 800},
  {'source': '红包', 'target': '长辈', 'value': 500}]}

2、将生成的字典数据转成json数据，并保存到本地

通过json.dump方法将上面生成的字典类型数据转成json数据，并保存到本地：

with open("sankey.json","w",encoding="utf-8") as f:   # 数据保存到了本地
    # json.dump(data_dic, f)   写入一行数据
    json.dump(data_dic, f, indent=2, sort_keys=True, ensure_ascii=False)  # 写入多行数据

3、读取json数据进行绘图

import json

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

with open("sankey.json", "r", encoding="utf-8") as f:   # 1、打开保存的文件
    j = json.load(f)   # 2、json字符串转成字典类型数据
c = (
    Sankey()
    .add(
        "月度开支",
        nodes=j["nodes"],   # 3、通过键值对的映射关系来读取数据
        links=j["links"],
        pos_top="20%",
        focus_node_adjacency=True,
        levels=[
            opts.SankeyLevelsOpts(
                depth=0,
#                 itemstyle_opts=opts.ItemStyleOpts(color="#fbb4ae"),  4、属性的设置部分
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
            opts.SankeyLevelsOpts(
                depth=1,
#                 itemstyle_opts=opts.ItemStyleOpts(color="#b3cde3"),
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
            opts.SankeyLevelsOpts(
                depth=2,
#                 itemstyle_opts=opts.ItemStyleOpts(color="#ccebc5"),
                linestyle_opts=opts.LineStyleOpts(color="source", opacity=0.6),
            ),
        ],
        linestyle_opt=opts.LineStyleOpts(curve=0.5,color="source",opacity=0.6,type_="dotted"),
        label_opts=opts.LabelOpts(position="right")
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="月度开支桑葚图"),
        tooltip_opts=opts.TooltipOpts(trigger="item", trigger_on="mousemove|click",is_show=True),
    )
)

c.render_notebook()

看看实际的动态化效果：

参考资料

推荐阅读

1. 说说心里话
   

2. 写给所有数据人。

3. 从留存率业务案例谈0-1的数据指标体系

4. NB，真PDF神处理工具！

5. 超级菜鸟如何入门数据分析？
   

欢迎长按扫码关注「数据管道」