用Python繪制誘人的桑基圖，一眼看透熬夜和狗糧的秘密

最近，不止一次收到群里小伙伴的截圖追問：

“這個(gè)圖叫什么？？？”

“這個(gè)圖真好看?。?！怎么畫啊？”

問的人多了，也便有了干貨。

此圖姓桑名基，平素不喜露面。奈何天生麗質(zhì)，偶有露面，必引眾人圍觀。

時(shí)人有云：“?；；?，高貴美麗！”

桑基是何許圖也

據(jù)不嚴(yán)謹(jǐn)?shù)某闃犹釂柦y(tǒng)計(jì)，90%想學(xué)習(xí)?；鶊D的旁友，都是被她妖艷炫酷的外表所吸引。

而?；鶊D真正代表了什么？和類似圖表相比的獨(dú)特性是什么？卻幾乎無人問津。

害！人真的是視覺動(dòng)物！

言歸正傳，我們來看看百科的官方解釋：

?；鶊D(Sankey diagram)，即?；芰糠至鲌D，也叫?；芰科胶鈭D。它是一種特定類型的流程圖，圖中延伸的分支的寬度對應(yīng)數(shù)據(jù)流量的大小，通常應(yīng)用于能源、材料成分、金融等數(shù)據(jù)的可視化分析。因1898年Matthew Henry Phineas Riall Sankey繪制的"蒸汽機(jī)的能源效率圖"而聞名，此后便以其名字命名為"?；鶊D"。

Emmm，有點(diǎn)內(nèi)個(gè)意思了，結(jié)合其他資料，做進(jìn)一步的匯總提煉：

• ?；鶅蓚€(gè)字取自“發(fā)明”者的名字

• 屬于流程圖的一種，核心在于展示數(shù)據(jù)的流轉(zhuǎn)

• 主要由節(jié)點(diǎn)、邊和流量三要素構(gòu)成，邊越寬代表流量越大

• 遵循守恒定律，無論怎么流動(dòng)，開端和末端數(shù)據(jù)總是一致的

文字太蒼白，下面我們用Python來繪制一個(gè)具體的實(shí)例~

Python手把手繪制?；鶊D

動(dòng)手之前，我們再次敲黑板，回顧?；鶊D組成要素的重點(diǎn)——節(jié)點(diǎn)、邊和流量。

任何?；鶊D，無論展現(xiàn)形式如何夸張，色彩如何艷麗，動(dòng)效如何炫酷，本質(zhì)都逃不出上述3點(diǎn)。

只要我們定義好上述3個(gè)要素，Python的pyecharts庫能夠輕松實(shí)現(xiàn)?；鶊D的繪制。

這里我們用“當(dāng)代青年熬夜原因分析”數(shù)據(jù)為例：

數(shù)據(jù)來源：這個(gè)數(shù)據(jù)是小z近兩周賣炒粉時(shí)口頭做的調(diào)研

很規(guī)整的性別、熬夜原因、人數(shù)三列數(shù)據(jù)。

不過，要用pyecharts來畫圖，得入鄉(xiāng)隨俗，按照它定的規(guī)則來規(guī)整數(shù)據(jù)源。

首先是節(jié)點(diǎn)，這一步需要把所有涉及到的節(jié)點(diǎn)去重規(guī)整在一起。也就是要把性別一列的“男”、“女”和熬夜原因一列的“打游戲”、“加班”、“看劇”以列表內(nèi)嵌套字典的形式去重匯總：

接著，定義邊和流量，數(shù)據(jù)從哪里流向哪里，流量（值）是多少，循環(huán)+字典依然可以輕松搞定：

source-target-value的字典格式，很清晰的描述了數(shù)據(jù)的流轉(zhuǎn)情況。

這兩塊數(shù)據(jù)準(zhǔn)備完畢，?；鶊D已經(jīng)完成了80%，剩下的20%，只是固定格式的繪圖代碼：

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

pic?=?(
????Sankey()
????.add('',?#圖例名稱
?????????nodes,????#傳入節(jié)點(diǎn)數(shù)據(jù)
?????????linkes,???#傳入邊和流量數(shù)據(jù)
?????????#設(shè)置透明度、彎曲度、顏色
?????????linestyle_opt=opts.LineStyleOpts(opacity?=?0.3,?curve?=?0.5,?color?=?"source"),
?????????#標(biāo)簽顯示位置
?????????label_opts=opts.LabelOpts(position="right"),
?????????#節(jié)點(diǎn)之前的距離
?????????node_gap?=?30,
????)
????.set_global_opts(title_opts=opts.TitleOpts(title?=?'熬夜原因?；鶊D'))
)

pic.render('test.html')

一個(gè)回車下去，看看成果：

果然，男打游戲女看劇，加班熬夜是兒戲。

如果想要垂直顯示，只需要在add函數(shù)里面加一個(gè)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",??    #更改的是這里
????)
????.set_global_opts(title_opts=opts.TitleOpts(title?=?'熬夜原因細(xì)分?；鶊D'))
)

pic.render('test2.html')

OK！不過，還有同學(xué)意猶未盡，這個(gè)是涉及到兩層的流轉(zhuǎn)，那如果三層，需要怎么畫呢？

不慌，先導(dǎo)入（狗糧）數(shù)據(jù)：

這是某寵物品牌，3月份主要產(chǎn)品購買路徑（第一次和第二次）的數(shù)據(jù)，先是品類，其次是第一次購買的產(chǎn)品類型，接著是第二次購買的產(chǎn)品類型，最后一列對應(yīng)人數(shù)。

注：這里第一次購買的產(chǎn)品前面加了“1-”，第二次購買加了“2-”的區(qū)分標(biāo)識。

畫圖必備的nodes節(jié)點(diǎn)實(shí)現(xiàn)很簡單，所有節(jié)點(diǎn)（品類、第一次購買、第二次購買）做去重匯總，對上面生成nodes代碼稍作調(diào)整就可以：

而linkes只接受source-traget-value的格式，得先對源數(shù)據(jù)進(jìn)行格式調(diào)整，分別形成“品類-第一次購買-人數(shù)”，“第一次購買-第二次購買-人數(shù)”的樣式，再統(tǒng)一匯總：

規(guī)整匯總好之后，只需要復(fù)用上面的linkes代碼：

畫圖代碼幾乎沒變，只是改了個(gè)標(biāo)題：

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?=?'客戶購買路徑流轉(zhuǎn)圖'))
)
pic.render('test3.html')

大功告成，So easy！無論是多少層數(shù)據(jù)的流轉(zhuǎn)，只要定義好nodes和linkes，就能以不變應(yīng)萬變。

最后，通過上面的?；鶊D，我們能夠非常直觀的洞察到客戶購買流轉(zhuǎn)規(guī)律：

• 出于試錯(cuò)成本的考量，大部分客戶第一次購買的是小規(guī)格狗糧。

• 第一次購買小規(guī)格狗糧的客戶，流失（第二次未購買）情況嚴(yán)重，且再次購買客戶，更傾向于繼續(xù)選擇小規(guī)格狗糧嘗試，而不是信任性的購買大規(guī)格狗糧。

• 第一次購買大規(guī)格狗糧的客戶，留存下來的客戶已經(jīng)建立起對品牌的信任感，再次購買大部分選擇了大規(guī)格狗糧。

• 購買狗糧的客戶第二次復(fù)購鮮有嘗試玩具的，而第一次購買玩具的客戶，也并未建立起對品牌狗糧的興趣。

原本死板的數(shù)據(jù)，在桑基的裝扮之下，變得楚楚動(dòng)人。

注：相關(guān)數(shù)據(jù)源和代碼，已經(jīng)規(guī)整好，后臺回復(fù)“桑基圖”即可獲取。