python制作流动图_炫酷！用Python制作漂亮的流动桑基图

原标题：炫酷！用Python制作漂亮的流动桑基图

编程派”，选择设为“设为星标”

桑基图绘制实践

本文中介绍的是如何制作桑基图，使用的可视化库是强大的 Pyecharts (版本1.7.1，版本一致很重要)。文章将从如下几个方面进行介绍：

什么是桑基图

官网的两个 demo

桑基图绘制项目实战

在开始之前，我们先来看看通过本文制作的最终效果图：

什么是桑基图？

桑基图(桑葚图)，也叫桑基能量分流图或者桑基能量平衡图，里面的桑基其实是一个人名，全名是 马修·亨利·菲尼亚斯·里尔·桑基(Matthew Henry Phineas Riall Sankey) ，是一名爱尔兰裔工程师，也是英国皇家陆军工兵的 上尉[1] 。

早在 1898 年的时候，他就使用这种图形来表示蒸汽机的能源效率：

桑基之后，桑基图逐渐成为科学和工程领域，代表 平衡、能量流、物质流的标准模型，在一些产品的生命周期评估中也常被使用，通常应用于能源、材料成分、金融等数据的可视化分析。主要特点是：

图形由边、流量和支点组成。边代表了流动的数据，流量代表了流动数据的具体数值，节点代表了不同分类

始末端的分支宽度总和相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡。

官网demo

本文中使用的 Pyecharts 版本是 1.7.1 ，版本的一致非常重要。

importpyecharts

pyecharts.__version__

demo_1

首先我们看看官网的第一个 demo ：

frompyecharts importoptions asopts

frompyecharts.charts importSankey

nodes = [ # 所有节点名称

{ "name": "category1"},

{ "name": "category2"},

{ "name": "category3"},

{ "name": "category4"},

{ "name": "category5"},

{ "name": "category6"},

]

links = [ # 每一条链路的数据，包含：父节点source + 子节点target + 数据值value

{ "source": "category1", "target": "category2", "value": 10},

{ "source": "category2", "target": "category3", "value": 15},

{ "source": "category3", "target": "category4", "value": 20},

{ "source": "category5", "target": "category6", "value": 25},

]

c = (

Sankey

.add(

"sankey",

nodes,

links,

linestyle_opt=opts.LineStyleOpts(opacity= 0.2, curve= 0.5, color= "source"),

label_opts=opts.LabelOpts(position= "right"),

)

.set_global_opts(title_opts=opts.TitleOpts(title= "Sankey-基本示例"))

# .render("sankey_base.html") 生成HTML文件

)

c.render_notebook # jupyter notebook中在线显示

在上面的代码中， nodes 部分表示的是所有的节点名称， 不管是父节点还是最小的子节点都要列出来； links 部分表示的是每条链路的数据，包含： 父节点source + 子节点target + 数据值value。根据links的数据，我们可以发现： category1——-category2———category3———category4 构成了一条完整的链路， category5—category6 构成了另一条链路。

下面是最终的图形：

demo_2

接下来我们看看官网的第二个 demo ：

importjson

frompyecharts importoptions asopts

frompyecharts.charts importSankey

withopen( "product.json", "r", encoding= "utf-8") asf: # 导入json数据

j = json.load(f) # json数据转成字典数据

c = (

Sankey

.add(

"sankey",

nodes=j[ "nodes"], # 取出json数据的节点和链路数据

links=j[ "links"],

pos_top= "10%",

focus_node_adjacency= True,

levels=[

opts.SankeyLevelsOpts(

depth= 0,

itemstyle_opts=opts.ItemStyleOpts(color= "#fbb4ae"),

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

opts.SankeyLevelsOpts(

depth= 1,

itemstyle_opts=opts.ItemStyleOpts(color= "#b3cde3"),

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

opts.SankeyLevelsOpts(

depth= 2,

itemstyle_opts=opts.ItemStyleOpts(color= "#ccebc5"),

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

opts.SankeyLevelsOpts(

depth= 3,

itemstyle_opts=opts.ItemStyleOpts(color= "#decbe4"),

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

],

linestyle_opt=opts.LineStyleOpts(curve= 0.5),

)

.set_global_opts(

title_opts=opts.TitleOpts(title= "Sankey-Level Settings"),

tooltip_opts=opts.TooltipOpts(trigger= "item", trigger_on= "mousemove"),

)

# .render("sankey_with_level_setting.html")

)

c.render_notebook # 在线显示

读取本地的 json 数据，通过 josn.load 读取转成 Python 字典

取出 json 数据中的节点和链路数据进行绘图

桑基图绘制实践原始数据整理

通过上面官网的例子我们明白了绘制桑基图需要的两个数据： 节点数据+链路数据，下面👇通过一个实际的案例来讲解如何生成绘制桑基图需要的数据

认识原始数据

Peter同学一个人在深圳搬砖，辛辛苦苦地搬了一个月，产生很多的开销😭，这些开支主要分成5大块：

住宿

餐饮

交通

服装

红包

每个部分又分别有不同的去向，所以这些数据就自然构成了一条条的链路，比如： 总费用—住宿—房租(2000) ， 总费用—交通—滴滴(220) 等， 我们只考虑两个节点之间的关系

分层级整理数据

1、接下来我们分不同的层级来整理原始数据，首先是第一层： 总费用到5个子版块。算出每个子版块的总和

2、整理5个子版块的数据

3、我们将上面两个步骤得到的数据放入一个 sheet 中，命名为 开支 ：

桑基图数据生成读取数据

首先我们将上面制作好的 开支这份数据读到pandas中：

importpandas aspd

importnumpy asnp

importjson

# 等价于：data = pd.read_excel("life.xlsx",sheet_name=1) 1表示sheet_name的索引位置，索引从0开始

df = pd.read_excel( "life.xlsx",sheet_name= "开支") # 直接写名字

df.head

注意两点：

当一个表格中存在多个 sheet 的时候，我们需要指定 sheet_name 的名字

指定 sheet_name 的名字有两种方式：

直接指定名字

指定该 sheet_name 的位置索引

确定全部节点nodes

1、先找出全部的节点

所有的节点数据就是上面的 父类和子类中去重后的元素，我们使用集合 set 进行去重，再转成列表

# 父类+子类中的数据，需要去重

df[ '父类'].tolist

df[ '子类'].tolist

将上面的数据相加并且去重：

# 将两个列表相加，在转成集合set进行元素去重，再转成列表

nodes = list(set(df[ '父类'].tolist + df[ '子类'].tolist))

nodes

2、生成节点数据

# 节点列表数据: nodes_list

nodes_list = []

fori innodes:

dic = {}

dic[ "name"] = i

nodes_list.append(dic)

nodes_list

生成链路数据

我们将导入的数据生成链路数据：每一行记录都是一个链路数据：

links_list = []

fori inrange(len(df)):

dic = {}

dic[ 'source'] = df.iloc[i, 0] # 父类

dic[ 'target'] = df.iloc[i, 1] # 子类

dic[ 'value'] = int(df.iloc[i, 2]) # 数据值 : 使用int函数直接强制转换，防止json.dump报错

links_list.append(dic)

Attention⚠️：导入的数据部分需要强制转换成 int 类型，防止后面的数据处理报错。

到此为止，我们已经完成了桑葚图中 节点数据和链路数据的生成，下面开始绘图。

绘制桑基图

我们通过官网的2种不同方式来绘制桑基图

方式1

这种方式比较简单：直接将上面得到的 nodes_list 和 links_list 整体放入绘图的代码中：

# 需要事先导入，否则jupyter notebook中可能不会出图

frompyecharts.globals importCurrentConfig, OnlineHostType

frompyecharts importoptions asopts # 图形设置

frompyecharts.charts importSankey # 导入桑基图型的类

nodes_list = [

{ 'name': '围巾'},

{ 'name': '长辈'},

{ 'name': '网络费'},

{ 'name': '服装'},

{ 'name': '公交'},

{ 'name': '同学'},

{ 'name': '袜子'},

{ 'name': '总费用'},

{ 'name': '衣服'},

{ 'name': '红包'},

{ 'name': '交通'},

{ 'name': '聚餐'},

{ 'name': '滴滴'},

{ 'name': '餐饮'},

{ 'name': '管理费'},

{ 'name': '水电'},

{ 'name': '共享单车'},

{ 'name': '外卖'},

{ 'name': '房租'},

{ 'name': '住宿'},

{ 'name': '饮料'},

{ 'name': '鞋子'},

{ 'name': '地铁'}

]

links_list = [

{ 'source': '总费用', 'target': '住宿', 'value': 2580},

{ 'source': '总费用', 'target': '餐饮', 'value': 1300},

{ 'source': '总费用', 'target': '交通', 'value': 500},

{ 'source': '总费用', 'target': '服装', 'value': 900},

{ 'source': '总费用', 'target': '红包', 'value': 1300},

{ 'source': '住宿', 'target': '房租', 'value': 2000},

{ 'source': '住宿', 'target': '水电', 'value': 400},

{ 'source': '住宿', 'target': '管理费', 'value': 100},

{ 'source': '住宿', 'target': '网络费', 'value': 80},

{ 'source': '餐饮', 'target': '外卖', 'value': 800},

{ 'source': '餐饮', 'target': '聚餐', 'value': 300},

{ 'source': '餐饮', 'target': '饮料', 'value': 200},

{ 'source': '交通', 'target': '滴滴', 'value': 220},

{ 'source': '交通', 'target': '地铁', 'value': 150},

{ 'source': '交通', 'target': '公交', 'value': 80},

{ 'source': '交通', 'target': '共享单车', 'value': 50},

{ 'source': '服装', 'target': '衣服', 'value': 400},

{ 'source': '服装', 'target': '鞋子', 'value': 300},

{ 'source': '服装', 'target': '围巾', 'value': 150},

{ 'source': '服装', 'target': '袜子', 'value': 50},

{ 'source': '红包', 'target': '同学', 'value': 800},

{ 'source': '红包', 'target': '长辈', 'value': 500}

]

c = (

Sankey

.add(

"月度开支",

nodes_list,

links_list,

linestyle_opt=opts.LineStyleOpts(opacity= 0.5, curve= 0.5, color= "source"),

label_opts=opts.LabelOpts(position= "right"),

)

.set_global_opts(title_opts=opts.TitleOpts(title= "月度开支桑葚图"))

)

c.render_notebook

得到的桑基图在 notebook 中是动态的图形：

动态视频效果如下：

方式2

如果数据比较少，将 nodes_list 和 links_list 放入绘图的代码中不会占据过多的空间；但是如果数据量大，不同链路种类多，全部放在整个绘图代码中，就会显得整个代码很臃肿。

于是产生了方式2：先将上面得到的 nodes_list 和 links_list 生成一个 json 文件，再将 json 文件通过 with 方法读进来进行绘图。下面讲解如何通过得到的 nodes_list 和 links_list 数据生成我们绘图需要的 json 数据。

json 格式的数据，在 python 中以字符串的形式呈现， 一定要用双引号括起来。 json 模块中提供的 4 个功能：

dumps ： python 字典数据类型转成json数据类型的字符串

dump ：字典数据转成字符串并且存储在文件中

loads ：把 json 字符串转成字典数据类型

load ：把文件打开，并且从字符串转换成字典数据类型

1、先生成字典数据

data_dic = {}

data_dic[ "nodes"] = nodes_list

data_dic[ "links"] = links_list

得到的字典 data_dic 数据分为节点数据和链路数据，具体如下：

{ 'nodes': [{ 'name': '围巾'}, # 节点部分数据

{ 'name': '长辈'},

{ 'name': '网络费'},

{ 'name': '服装'},

{ 'name': '公交'},

{ 'name': '同学'},

{ 'name': '袜子'},

{ 'name': '总费用'},

{ 'name': '衣服'},

{ 'name': '红包'},

{ 'name': '交通'},

{ 'name': '聚餐'},

{ 'name': '滴滴'},

{ 'name': '餐饮'},

{ 'name': '管理费'},

{ 'name': '水电'},

{ 'name': '共享单车'},

{ 'name': '外卖'},

{ 'name': '房租'},

{ 'name': '住宿'},

{ 'name': '饮料'},

{ 'name': '鞋子'},

{ 'name': '地铁'}],

'links': [{ 'source': '总费用', 'target': '住宿', 'value': 2580}, # 链路部分数据

{ 'source': '总费用', 'target': '餐饮', 'value': 1300},

{ 'source': '总费用', 'target': '交通', 'value': 500},

{ 'source': '总费用', 'target': '服装', 'value': 900},

{ 'source': '总费用', 'target': '红包', 'value': 1300},

{ 'source': '住宿', 'target': '房租', 'value': 2000},

{ 'source': '住宿', 'target': '水电', 'value': 400},

{ 'source': '住宿', 'target': '管理费', 'value': 100},

{ 'source': '住宿', 'target': '网络费', 'value': 80},

{ 'source': '餐饮', 'target': '外卖', 'value': 800},

{ 'source': '餐饮', 'target': '聚餐', 'value': 300},

{ 'source': '餐饮', 'target': '饮料', 'value': 200},

{ 'source': '交通', 'target': '滴滴', 'value': 220},

{ 'source': '交通', 'target': '地铁', 'value': 150},

{ 'source': '交通', 'target': '公交', 'value': 80},

{ 'source': '交通', 'target': '共享单车', 'value': 50},

{ 'source': '服装', 'target': '衣服', 'value': 400},

{ 'source': '服装', 'target': '鞋子', 'value': 300},

{ 'source': '服装', 'target': '围巾', 'value': 150},

{ 'source': '服装', 'target': '袜子', 'value': 50},

{ 'source': '红包', 'target': '同学', 'value': 800},

{ 'source': '红包', 'target': '长辈', 'value': 500}]}

2、将生成的字典数据转成 json 数据，并保存到本地

通过 json.dump 方法将上面生成的字典类型数据转成 json 数据，并保存到本地：

withopen( "sankey.json", "w",encoding= "utf-8") asf: # 数据保存到了本地

# json.dump(data_dic, f) 写入一行数据

json.dump(data_dic, f, indent= 2, sort_keys= True, ensure_ascii= False) # 写入多行数据

3、读取 json 数据进行绘图

importjson

frompyecharts importoptions asopts

frompyecharts.charts importSankey

withopen( "sankey.json", "r", encoding= "utf-8") asf: # 1、打开保存的文件

j = json.load(f) # 2、json字符串转成字典类型数据

c = (

Sankey

.add(

"月度开支",

nodes=j[ "nodes"], # 3、通过键值对的映射关系来读取数据

links=j[ "links"],

pos_top= "20%",

focus_node_adjacency= True,

levels=[

opts.SankeyLevelsOpts(

depth= 0,

# itemstyle_opts=opts.ItemStyleOpts(color="#fbb4ae"), 4、属性的设置部分

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

opts.SankeyLevelsOpts(

depth= 1,

# itemstyle_opts=opts.ItemStyleOpts(color="#b3cde3"),

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

opts.SankeyLevelsOpts(

depth= 2,

# itemstyle_opts=opts.ItemStyleOpts(color="#ccebc5"),

linestyle_opts=opts.LineStyleOpts(color= "source", opacity= 0.6),

),

],

linestyle_opt=opts.LineStyleOpts(curve= 0.5,color= "source",opacity= 0.6,type_= "dotted"),

label_opts=opts.LabelOpts(position= "right")

)

.set_global_opts(

title_opts=opts.TitleOpts(title= "月度开支桑葚图"),

tooltip_opts=opts.TooltipOpts(trigger= "item", trigger_on= "mousemove|click",is_show= True),

)

)

c.render_notebook

看看实际的动态化效果：

21 张 Python 代码速查表，每一张都是国外的大师总结的，非常实用 ~返回搜狐，查看更多

责任编辑：