最近 ,不止一次收到小伙伴的截图追问:
“这个图叫什么 ? ? ?”
“这个图真好看 ! ! !怎么画啊 ?”
......
笔者本没有干货 ,问的人多了 ,也便有了干货 。
此图姓桑名基 ,平素不喜露面 。奈何天生丽质 ,偶有露面 ,必引众人围观 。
时人有云:“桑基桑基 ,高贵美丽 !”
桑基是何许图也 ?
据笔者不严谨的抽样提问统计 ,90%想学习桑基图的旁友 ,都是被她妖艳炫酷的外表所吸引 。
而桑基图真正代表了什么 ?和类似图表相比的独特性是什么 ?却几乎无人问津 。
害 !人真的是视觉动物 !
言归正传 ,我们来看看百科的官方解释:
桑基图(Sankey diagram) ,即桑基能量分流图 ,也叫桑基能量平衡图 。它是一种特定类型的流程图 ,图中延伸的分支的宽度对应数据流量的大小 ,通常应用于能源、材料成分、金融等数据的可视化分析 。因1898年Matthew Henry Phineas Riall Sankey绘制的"蒸汽机的能源效率图"而闻名 ,此后便以其名字命名为"桑基图" 。
Emmm ,有点内个意思了 ,结合其他资料 ,做进一步的汇总提炼:
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 opts
pic = (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 。