数据可视化专题：再炫酷的桑基图，三步就能完成

首先来回答一个问题，什么是桑基图？

不废话，先上东西：

上面这个图片就是【桑基图】，桑基图的一个典型特征就是能量的分流，数据按照一定的规则呈现结构化的分布，它主要包括三个部分：节点、节点之间的链接、节点链接的数据。

桑基图对于数据分析师来说应用非常广泛，因为数据分析师的工作就是把繁杂的数据一层层拆解，最终找到引发问题出现的原因，例如流量拆解、GMV拆分、消费者预估等等。

怎样快速做出一个多层级的桑基图？

pyecharts 是用 Python 写的可视化工具包，调用简单，操作方便。

第一步：安装 pyecharts

<code>
pip
 install pyecharts/<code>

第二步：导入工具包

<code>
import
 pandas 
as
 pd
from
 pyecharts 
import
 options 
as
 opts
from 
 pyecharts.charts 
import
 Sankey/<code>

第三步：导入数据

<code>nodes = [
    {
"name"
: 
"总客户"
},
    {
"name"
: 
"新客"
},
    {
"name"
: 
"老客"
},
    {
"name"
: 
"一次老客"
},
    {
"name"
: 
"二次老客"
},
    {
"name"
: 
"三次老客"
},
]

links = [
    {
"source"
: 
"总客户"
, 
"target"
: 
"新客"
, 
"value"
: 500},
    {
"source"
: 
"新客"
, 
"target"
:  
"一次新客"
, 
"value"
: 500},
    {
"source"
: 
"总客户"
, 
"target"
: 
"老客"
, 
"value"
: 300},
    {
"source"
: 
"老客"
, 
"target"
: 
"二次老客"
, 
"value"
: 100},
    {
"source"
: 
"老客"
, 
"target"
: 
"三次老客"
, 
"value"
: 100},
]/<code>

第四步：生成图表

<code>sankey = Sankey()
sankey.
add
(
        
"sankey"
,
        nodes,
        links,
        linestyle_opt=opts.LineStyleOpts(opacity=
0.2
, curve=
0.5
, color=
"source"
),
        label_opts=opts.LabelOpts(position= 
"right"
),
    )
sankey.set_global_opts(title_opts=opts.TitleOpts(title=
"Sankey-基本示例"
))
sankey.render_notebook()/<code>

除了安装包之外，三步就可以生成一个桑基图。下面我来解释一下，Sankey 这个类当中的参数：

• "sankey" 图表的名称
• nodes 节点数据，格式为json
• links 节点之间的连接，格式为json
• linestyle_opt / opacity 不透明度
• linestyle_opt / curve 弯曲程度
• linestyle_opt / color 配色

主要的一点要注意，nodes 和 links 一定要满足规定的条件格式，一般数据源都是在excel 或者在数据库中保存，接下来我们要做的是：怎样把本地数据源，变成可用的数据格式

先看下我们的数据源：

这个数据源就是文章开头那个桑基图的数据，它包含了两个层级，所以，第一步我们要做的是，构建nodes（节点）数据：

<code>df_columns = list(df.columns)[:
-1
]
node_list = []
for
 column in df_columns:
    df_node = df[column].unique()
    
for
 node in df_node:
        dic = {}
        dic[
'name'
] = node
        node_list.
append
(dic)
print
(node_list)

-----------------------------------------
  
[{
'name'
: 
'消费者'
}, {
'name'
: 
'新客'
}, {
'name'
: 
'老客'
}, {
'name'
: 
'连衣裙'
},
 {
'name'
: 
'裤子'
}, {
'name'
: 
'衬衫'
}, {
'name'
: 
'T恤' 
},
 {
'name'
: 
'针织衫'
}, {
'name'
: 
'外套'
}, {
'name'
: 
'运动鞋'
}, {
'name'
: 
'休闲鞋'
},
 {
'name'
: 
'低帮鞋'
}, {
'name'
: 
'拖鞋'
}, {
'name'
: 
'跑鞋'
}]/<code>

第二步构建links：

把【客户属性】和【一级类目】组合，完成第一层级的数据，以便达到下面的效果：

<code>	
客户属性
	
一级类目
	
购买人数
0
	
消费者
	
新客
	
2021
1
	
消费者
	
老客
	
2628
/<code>

再把第二层级拿出来，与第一层的数据组合起来，完整代码如下：

<code>df_lv1 = df.groupby([
'客户属性'
, 
'一级类目'
]).sum()
df_lv1 =  df_lv1.reset_index()
df_lv2 = df.iloc[:,
1
:]
df_lv1.columns = [
'from'
, 
'to'
, 
'data'
]
df_lv2.columns = [
'from'
, 
'to'
,  
'data'
]
df_links = pd.concat([df_lv1, df_lv2])

links_list = []
for
 
link
 in df_links.values:
    link_dict = {}
    link_dict[
"source"
] = 
link
[
0
]
    link_dict[
"target"
] = 
link
[
1
]
    link_dict[
"souvaluerce"
] = 
link
[
2
]
    links_list.append(link_dict)/<code>

最后，把组合好的数据放入模板当中：

<code>new_sankey = Sankey()
new_sankey.
add
(
        
""
,
        node_list,
        links_list,
        linestyle_opt=opts.LineStyleOpts(opacity=
0.2
, curve=
0.5
, color=
"source"
),
        label_opts=opts.LabelOpts(position=
"right"
),
    )
new_sankey.set_global_opts(title_opts=opts.TitleOpts(title=
"新老客购买类目"
))
new_sankey.render_notebook()/<code>

就形成了文章开头的图片样式。

数据可视化涉及到的图表类型还有很多，之后会陆续为大家更新。