桑基两个字取自“发明”者的名字
属于流程图的一种,核心在于展示数据的流转
主要由节点、边和流量三要素构成,边越宽代表流量越大
遵循守恒定律,无论怎么流动,开端和末端数据总是一致的
文字太苍白,下面我们用Python来绘制一个具体的实例。
Python手把手绘制桑基图 动手之前,我们再次敲黑板,回顾桑基图组成要素的重点——节点、边和流量。 任何桑基图,无论展现形式如何夸张,色彩如何艳丽,动效如何炫酷,本质都逃不出上述3点。 只要我们定义好上述3个要素,Python的pyecharts库能够轻松实现桑基图的绘制。 这里我们用“当代青年熬夜原因分析”数据为例: (数据来源:这个数据是笔者近两周卖炒粉时口头做的调研) 很规整的性别、熬夜原因、人数三列数据。 不过,要用pyecharts来画图,得入乡随俗,按照它定的规则来规整数据源。 首先是节点,这一步需要把所有涉及到的节点去重规整在一起。也就是要把性别一列的“男”、“女”和熬夜原因一列的“打游戏”、“加班”、“看剧”以列表内嵌套字典的形式去重汇总: 接着,定义边和流量,数据从哪里流向哪里,流量(值)是多少,循环+字典依然可以轻松搞定: source-target-value的字典格式,很清晰的描述了数据的流转情况。 这两块数据准备完毕,桑基图已经完成了80%,剩下的20%,只是固定格式的绘图代码:from pyecharts.charts import Sankeyfrom pyecharts import options as optspic = ( Sankey() .add('', #图例名称 nodes, #传入节点数据 linkes, #传入边和流量数据 #设置透明度、弯曲度、颜色 linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = "source"), #标签显示位置 label_opts=opts.LabelOpts(position="right"), #节点之前的距离 node_gap = 30, ) .set_global_opts(title_opts=opts.TitleOpts(title = '熬夜原因桑基图')))pic.render('test.html')
一个回车下去,看看成果: 果然,男打游戏女看剧,加班熬夜是儿戏。 如果想要垂直显示,只需要在add函数里面加一个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", #更改的是这里 ) .set_global_opts(title_opts=opts.TitleOpts(title = '熬夜原因细分桑基图')))pic.render('test2.html')
OK!不过,还有同学意犹未尽,这个是涉及到两层的流转,那如果三层,需要怎么画呢? 不慌,先导入(狗粮)数据: 这是某宠物品牌,3月份主要产品购买路径(第一次和第二次)的数据,先是品类,其次是第一次购买的产品类型,接着是第二次购买的产品类型,最后一列对应人数。 (注:这里第一次购买的产品前面加了“1-”,第二次购买加了“2-”的区分标识。) 画图必备的nodes节点实现很简单,所有节点(品类、第一次购买、第二次购买)做去重汇总,对上面生成nodes代码稍作调整就可以: 而linkes只接受source-traget-value的格式,得先对源数据进行格式调整,分别形成“品类-第一次购买-人数”,“第一次购买-第二次购买-人数”的样式,再统一汇总: 规整汇总好之后,只需要复用上面的linkes代码: 画图代码几乎没变,只是改了个标题:
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 = '客户购买路径流转图')))pic.render('test3.html')
大功告成,So easy!无论是多少层数据的流转,只要定义好nodes和linkes,就能以不变应万变。 最后,通过上面的桑基图,我们能够非常直观的洞察到客户购买流转规律:
出于试错成本的考量,大部分客户第一次购买的是小规格狗粮。 第一次购买小规格狗粮的客户,流失(第二次未购买)情况严重,且再次购买客户,更倾向于继续选择小规格狗粮尝试,而不是信任性的购买大规格狗粮。 第一次购买大规格狗粮的客户,留存下来的客户已经建立起对品牌的信任感,再次购买大部分选择了大规格狗粮。 购买狗粮的客户第二次复购鲜有尝试玩具的,而第一次购买玩具的客户,也并未建立起对品牌狗粮的兴趣。原本死板的数据,在桑基的装扮之下,变得楚楚动人。 作者: 周志鹏,3年数据分析,深切感受到数据分析的有趣和学习过程中缺少案例的无奈,遂新开公众号「数据不吹牛」,定期更新数据分析相关技巧和有趣案例(含实战数据集),欢迎大家关注交流。 声明:本文为作者投稿,版权归其所有。 【End】 推荐阅读 ☞154 万 AI 开发者用数据告诉你,中国 AI 如何才能弯道超车?| 中国 AI 应用开发者报告☞ 暴风集团仅剩10余人;搜狗告百度输入法侵权案再驳回;Linux 5.6发布 | 极客头条☞2019报告:AI程序员人才需求暴涨35倍!每10个公司就有6个人才缺口
☞大龄程序员都去哪?分享我身边的几个故事
☞Spark3.0发布了,代码拉过来,打个包,跑起来!| 附源码编译
☞业内最大的“空气币”——以太坊???
你点的每一个在看,我认真当成了喜欢