一张图看懂世界石油分布？用Python轻松搞定！(附数据下载)-CSDN博客

CDA数据分析师出品

【导语】：今天我们教你用Python画出世界石油分布桑基图，Python技术部分可以直接看第四部分。

获取数据：

扫描下方公众号

回复关键字“石油”

2020年的3月注定将载入史册。一边是新冠肺炎疫情在全世界快速扩散，另一边是掌控着世界40%以上油气产量的巨头们撕破脸皮。

面对在OPEC+会议中坚持不再减产的俄罗斯，沙特阿拉伯决意提升石油产能抢占市场，石油价格战毫无征兆地开打。国际原油价格出现大幅波动。3月9日，黑色星期一，世界油价剧烈杀跌，跌幅超过30%。

那么作为现代工业里最重要的命脉，

世界石油产量分布究竟如何？

谁才是石油界的真正王者呢？

中国的石油储量什么水平？

今天我们就教你

用一张图看懂世界石油分布。

展现数据流动的利器

桑基图

这里我们用到的是桑基图（Sankey diagram）。

也许你没见过这张图，这算是一个比较小众的图表。桑基图主要由边、流量和支点组成，其中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。边的宽度与流量成比例地显示，边越宽，数值越大。　

桑基图的发展

1898年，爱尔兰船长马修·亨利·菲尼亚斯·里亚尔·桑基（Matthew Henry Phineas Riall Sankey）使用了这种类型的图表展示了蒸汽的能源效率。与此同时，这个图也以船长的名字命名为“桑基图”。

当时在这张黑白图表只显示了一种类型的流动(如蒸汽); 使用不同颜色能表示不同类型的流动，从而表达出多种变量。

随着时间的推移，桑基图逐渐成为科学和工程中用来表示热平衡、能量流、物质流动的标准模型。

桑基图的用例

桑基图一个最大的特点就是，无论数据怎么流动，桑基图的总数值保持不变，坚持数据的“能量守恒”。

国家的能源平衡

在地区或国家的能源平衡经常使用桑基图绘制能源流程图。从而可以清晰的看出能源和能源来源的不同用途。

这张图是2011年马来西亚的能源平衡。图中流动表示的是“百万吨石油当量”(Mtoe)。

图源：Chong, C.; Ni, W.; Ma, L.; Liu, P.; Li, Z. The Use of Energy in Malaysia: Tracing Energy Flows from Primary Source to End Use. Energies 2015, 8, 2828-2866.

法国公关管理部门资金来源

法国公共管理部门就曾用一张桑基图理清了他们的收支资金来源，以及他们是如何分配这些资金的。最左边的支点代表了不同的资金来源，包括社会、个人税收等。这些资金在汇总到法国的四大公共管理部门后，被再分配到交通、环境保护、住房、教育、文化等各个领域。

图源：www.behance.net

教你用Python

轻松绘制世界石油分布图

可见在表示数据流动方面，桑基图十分清晰而且美观。前面我们展示了一张世界石油产量前30国家分布桑基图，下面我们教你就用pyecharts来实现它。

如果你没有安装pyecharts，可以使用以下代码在终端进行pip安装。

pip install pyecharts

首先需要导入我们需要使用的包，其中pandas用于数据整理，pyecharts用于绘图。

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

然后使用pandas读入数据，所使用数据来自于BP世界能源统计年鉴-2019版，整理之后的数据使用数据框的形式进行存储，其中state表示国家名称，continent表示大洲名，num表示石油产量（单位百万吨）

df1 = pd.read_excel('石油产量排名.xlsx')
df1.head()

桑基图在pyecharts中通过Sankey方法实现，它接受两个外部输入。一个是所有类别的集合-nodes，一个是子类、父类、数据的三方集合-links。也就是说，首先你要把数据转换成Sankey可以接受的形式，下面这个是官网的示例的数据格式：

下面我们写个简单的循环语句，将数据转换成nodes和links形式：

# 产生节点
nodes = []

for i in set(pd.concat([df1.state, df1.continent])):
    dic_ = {}
    dic_['name'] = i 
    nodes.append(dic_) 


# 产生链接
links = []

for x, y, z in zip(df1.state, df1.continent, df1.num):
    dic_ = {}
    dic_['source'] = x
    dic_['target'] = y 
    dic_['value'] = z 
    links.append(dic_)

准备好nodes和links后，就可以调用Sankey函数进行绘图，你可以通过配置项otps来设置图表的颜色、标签、标题等信息，具体细节可以去官网查询，这里不做赘述。

官网链接：https://pyecharts.org

colors = ['#54B4F9', '#F29150', '#FF7BAE', '#D69AC0', '#485CE0', '#28BE7A'] 

s = Sankey(init_opts=opts.InitOpts(width='1350px', height='1350px')) 
s.set_colors(colors)
s.add('sankey', 
      nodes, 
      links, 
      pos_left='10%',
      pos_right='60%',
      linestyle_opt=opts.LineStyleOpts(opacity=0.2, curve=0.5, color='source'), 
      itemstyle_opts=opts.ItemStyleOpts(border_width=1, border_color="#aaa"),
      tooltip_opts=opts.TooltipOpts(trigger_on="mousemove"),
      is_draggable=True,
      label_opts=opts.LabelOpts(position="left", 
                                font_family='Arial', 
                                margin=10,
                                font_size=13, 
                                font_style='italic')
     ) 

s.set_global_opts(title_opts=opts.TitleOpts(title='世界石油产量top30国家分布'))  
s.render()

生成html文件后，直接通过浏览器打开即可，就可以看到能交互的桑基图了，生成的图形如下：

以上这就是成品啦，是不是效果十分惊艳呢！快来自己试试吧！

获取数据：

扫描下方公众号，回复关键字“石油”，获取世界石油分布数据