用Python绘制诱人的桑基图，一眼看透熬夜和狗粮的秘密...
The following article is from 数据不吹牛 Author 小z
点击上方“Python数据科学”，星标公众号
重磅干货，第一时间送达
本文转自：数据不吹牛
作者：小z
“这个图叫什么？？？”
“这个图真好看！！！怎么画啊？”
小z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~
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 Sankey
from 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。
注：相关数据源和代码，已经规整好，在公众号后台回复“桑基图”即可获取。
参考来源：