数据呈现丨Python绘制桑基图，流量分析不用愁

桑基图 (Sankey Diagram)，是一种特定类型的流程图，用于描述一组值到另一组值的流向，也称为桑基能量分流图或桑基能量平衡图。下图即为桑基图的一个经典案例：1869年，Charles Minard 绘制的1812年拿破仑征俄图（Map of Napolean's Russian Campaign of 1812）。

具体来说，桑基图具有如下特点：

1、起始流量和结束流量相同，所有主支宽度的总和与所有分出去的分支宽度总和相等，保持能量的平衡；

2、在内部，不同的线条代表了不同的流量分流情况，它的宽度成比例地显示此分支占有的流量；

3、节点不同的宽度代表了特定状态下的流量大小。

这表明了绘制桑基图有一个重要的前提，即需要保持能量守恒，不能在中间过程创造或损耗流量。当然，如果不满足这个条件，需要改变边的宽度的话，我们推荐使用和弦图（点此回顾R绘制和弦图）。

关于桑基图的扩展阅读：http://ecowest.org/2013/05/06/sankey-energy/

为了方便学习桑基图的绘制方法，下面以全国各省市2018年 GDP 数据进行展示，使用工具为 Python 绘图包pyecharts。

经济数据

首先从国家统计局(http://data.stats.gov.cn/easyquery.htm?cn=E0103)下载各地区生产总值，数据如下所示：

按照我国的地理区域划分，进一步对数据进行处理，将全国各省市分为七大地理地区，分别为：

华北地区：北京市，天津市，山西省，河北省，内蒙古自治区

东北地区：黑龙江省，吉林省，辽宁省

华东地区：上海市，江苏省，浙江省，安徽省，福建省，江西省，山东省（台湾省不在此次绘制范围内）

华中地区：河南省，湖北省，湖南省

华南地区：广东省，海南省，广西壮族自治区（香港、澳门不在此次绘制范围内）

西南地区：重庆市，四川省，贵州省，云南省，西藏自治区

西北地区：陕西省，甘肃省，青海省，宁夏回族自治区，新疆维吾尔自治区

经处理后的数据形式为：

当然，上述这种形式的表格还是不利于我们绘制桑基图，我们还需将其转化成以下形式：

到这里，我们就可以开始作图了。

制图代码

在绘制图形前，需要了解桑基图的两个概念，一个是所有类别的集合，称之为 nodes，一个是子类、父类、数据的三方集合，称之为 links。在具体绘制前，我们需要将上述数据处理成 Pyecharts 可以识别的 nodes 和 links 数据格式。下面给出具体代码：

• 生成 nodes 代码

nodes = []
for i in data[0].unique():
    dic = {}
    dic['name'] = i
    nodes.append(dic)

左右滑动查看更多

• 生成 links 代码

links = []
for i in data.values:
    dic = {}    
    dic['source'] = i[0]    
    dic['target'] = i[1]    
    dic['value'] = i[2]    
    links.append(dic)

左右滑动查看更多

在取得绘制桑基图必须的数据后，我们就可以直接利用 pyecharts 进行绘图了

c = ( 
        Sankey()        
        .add("各地区GDP（亿元）" 
            ,nodes 
            ,links            
            ,linestyle_opt=opts.LineStyleOpts(opacity = 0.4 
                                                         , curve = 0.5                                              
                                                         , color="source"                                             
                                                         ,type_="dotted"), 
            label_opts=opts.LabelOpts(position="right",), 
        )       
        .set_global_opts(title_opts=opts.TitleOpts(title="全国各地区GDP桑基图"))
    )
                                                                                 
c.render('Sankey_GDP.html')   # 结果可在电脑工作路径中找到

左右滑动查看更多

图形展示

绘制的成型图如下所示，你可以将鼠标放置在图形任何位置，相应的会显示出各自数据，你甚至可以拖动数据条，以你自己觉得好看的组合方式进行排列，操作方式只需点击图形两边的方块。

图形解读

针对上面全国各地区GDP桑基图，我们可以清楚的得到以下三点结论：

1、从省市角度看，广东省、江苏省、山东省的线条最宽，表明其2018年的GDP体量最高，对我国的GDP贡献值最大；

2、从区域角度看，华东地区是我国经济最为繁荣的区域，华北、华中、华南地区次之，西南、东北、西北地区较为落后；

3、从各自区域贡献角度看，华东地区各省份呈明显的梯度差异，华南地区则广东省一家独大，其余地区各省市贡献度整体差异不大。

附录：

1、上图完整代码：

import pandas as pd
from pyecharts.charts import Page, Sankey
from pyecharts import options as opts

data = pd.read_excel("C:/Users/yeahww/Desktop/GDP.xlsx",header = None,sheet_name = 'Sheet3')

# 生成nodes
nodes = []
for i in data[0].unique():
    dic = {}
    dic['name'] = i 
    nodes.append(dic)  
           
# 生成links
links = []
for i in data.values:
    dic = {}
    dic['source'] = i[0]
    dic['target'] = i[1]
    dic['value'] = i[2] 
    links.append(dic) 
                                
c = (  
        Sankey()       
        .add(
"各地区GDP（亿元）",     
            nodes,     
            links,        
            linestyle_opt=opts.LineStyleOpts(opacity = 0.4, curve = 0.5 
                                             , color="source" 
                                             ,type_="dotted"),        
            label_opts=opts.LabelOpts(position="right",),    
        )      
        .set_global_opts(title_opts=opts.TitleOpts(title="全国各地区GDP桑基图"))  
    )
  
  c.render('Sankey_GDP.html')       

左右滑动查看更多

2、点击阅读原文查看Pyecharts官方绘制桑基图示例

►往期推荐

回复【Python】👉简单有用易上手

回复【学术前沿】👉机器学习丨大数据

回复【数据资源】👉公开数据

回复【可视化】👉你心心念念的数据呈现

回复【老姚专栏】👉老姚趣谈值得一看

►一周热文

数据Seminar

这里是大数据、分析技术与学术研究的三叉路口

作者：威武哥（叶武威）审阅：简华（何年华）编辑：青酱

    欢迎扫描👇二维码添加关注