太酷了，手把手教你用 Python 绘制桑基图

桑基图，它的核心是对不同点之间，通过线来连接。线的粗细代表流量的大小。很多工具都能实现桑基

图，比如：Excel、tableau，我们今天要用 Pyecharts 来绘制。

因为没有用户行为路径相关的公开数据，所以本次实现可视化是根据泰坦尼克号，其生存与遇难的人的

数据，来分析流向路径。学会思路，你也可以换成自己公司的用户行为埋点数据。

读取数据

数据来源：https://www.kaggle.com/c/titanic

Python学习交流Q群：903971231####
from pyecharts import options as opts
from pyecharts.charts import Sankey
import pandas as pd
data = pd.read_excel(\'/Users/wangwangyuqing/Desktop/train.xlsx\')
data

整理数据结构：父类→子类→值

从父类到子类，每相邻的两个分类变量都需要计算，使用 Pandas 中数据透视表，计算后的数据纵向合并成三列。

Python学习交流Q群：903971231###
lis = data.columns.tolist()[:-1]
lis1 = lis[:-1]
lis2 = lis[1:]

data1 = pd.DataFrame()
for i in zip(lis1,lis2):  
    datai = data.pivot_table(\'ID\',index=list(i),aggfunc=\'count\').reset_index()
    datai.columns=[0,1,2]
    data1 = data1.append(datai)
data1

生成节点数据

需要把所有涉及到的节点去重规整在一起。列表内嵌套字典的形式去重汇总。

# 生成nodes
nodes = []
# 先添加几个顶级的父节点
nodes.append({\'name\':\'C港口\'})
nodes.append({\'name\':\'Q港口\'})
nodes.append({\'name\':\'S港口\'})
# 添加其他节点
for i in data1[1].unique():    
    dic = {}    
    dic[\'name\'] = i    
    nodes.append(dic)
nodes

组织数据：定义节点和流量

数据从哪里流向哪里，流量（值）是多少，循环+字典来组织数据

links = []
for i in data1.values:    
    dic = {}    
    dic[\'source\'] = i[0]    
    dic[\'target\'] = i[1]    
    dic[\'value\'] = i[2]
    links.append(dic)
links

数据可视化

c = (
    Sankey(init_opts=opts.InitOpts(width=\"1200px\", height=\"800px\",theme=\'westeros\'))
    .add(
        \"\",
        nodes=nodes,
        links=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=\"桑基图\"))
    .render(\"/Users/wangwangyuqing/Desktop/image.html\")
)

桑基图是分析用户路径的有效方法之一，能非常直观地展现用户旅程，帮助我们进一步确定转化漏斗中的关键步骤，发现用户的

流失点，找到有价值的用户群体，看用户主要流向了哪里，发现用户的兴趣点以及被忽略的产品价值，寻找新的机会。

来源：https://www.cnblogs.com/123456feng/p/16210997.html
本站部分图文来源于网络，如有侵权请联系删除。