AIU人工智能学院：数据科学、人工智能从业者的在线大学。

数据科学（Python/R/Julia）数据分析、机器学习、深度学习

据小z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~

2

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：这个数据是小z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。

关注“AIU人工智能”公众号，回复“录播”获取更多精选直播视频！