流程图(三)利用python绘制桑基图

流程图(三)利用python绘制桑基图

桑基图(Sankey diagram)简介

桑基图经常用于能源、金融行业,对材料、成本的流动进行可视化分析。现在很多互联网行业还使用桑基图做用户流动性分析,能很好地观察数据成分的变动大小及变动方向。

快速绘制

  1. 基于plotly

    python 复制代码
    import plotly.graph_objects as go
    import urllib, json
    
    # 导入数据
    url = 'https://raw.githubusercontent.com/plotly/plotly.js/master/test/image/mocks/sankey_energy.json'
    response = urllib.request.urlopen(url)
    data = json.loads(response.read())
    
    # 将所有的"magenta"颜色更改为rgba(255,0,255, 0.8),并将所有连接颜色更改为其对应的'source'节点颜色且透明度是0.4
    opacity = 0.4
    data['data'][0]['node']['color'] = ['rgba(255,0,255, 0.8)' if color == "magenta" else color for color in data['data'][0]['node']['color']]
    data['data'][0]['link']['color'] = [data['data'][0]['node']['color'][src].replace("0.8", str(opacity))
                                        for src in data['data'][0]['link']['source']]
    
    fig = go.Figure(data=[go.Sankey(
        valueformat = ".0f",
        valuesuffix = "TWh",
        # 定义节点
        node = dict(
          pad = 15,
          thickness = 15,
          line = dict(color = "black", width = 0.5),
          label =  data['data'][0]['node']['label'],
          color =  data['data'][0]['node']['color']
        ),
        # 添加连接
        link = dict(
          source =  data['data'][0]['link']['source'],
          target =  data['data'][0]['link']['target'],
          value =  data['data'][0]['link']['value'],
          label =  data['data'][0]['link']['label'],
          color =  data['data'][0]['link']['color']
    ))])
    
    fig.update_layout(title_text="Energy forecast for 2050<br>Source: Department of Energy & Climate Change, Tom Counsell via <a href='https://bost.ocks.org/mike/sankey/'>Mike Bostock</a>",
                      font_size=10)
  2. 基于pyecharts

    python 复制代码
    import pyecharts.options as opts
    from pyecharts.charts import Sankey
    import urllib, json
    
    # 导入数据
    url = 'https://echarts.apache.org/examples/data/asset/data/energy.json'
    response = urllib.request.urlopen(url)
    data = json.loads(response.read())
    
    c = (
        Sankey()
        .add(
            series_name="",
            nodes=data["nodes"],
            links=data["links"],
            itemstyle_opts=opts.ItemStyleOpts(border_width=1, border_color="#aaa"),
            linestyle_opt=opts.LineStyleOpts(color="source", curve=0.5, opacity=0.5),
            tooltip_opts=opts.TooltipOpts(trigger_on="mousemove"),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title=""))
    )
    
    c.render_notebook()
  3. 基于pysankey

    python 复制代码
    import pandas as pd
    from pySankey.sankey import sankey
    
    # 基于source和target,数据可重复出现,出现次数越多,权重越大(即线越粗)
    url = "https://raw.githubusercontent.com/anazalea/pySankey/master/pysankey/fruits.txt"
    df = pd.read_csv(url, sep=" ", names=["true", "predicted"])
    
    colors = {
        "apple": "#f71b1b",
        "blueberry": "#1b7ef7",
        "banana": "#f3f71b",
        "lime": "#12e23f",
        "orange": "#f78c1b"
    }
    
    sankey(df["true"], df["predicted"], aspect=20, colorDict=colors, fontsize=12)
    python 复制代码
    import pandas as pd
    from pySankey.sankey import sankey
    
    # 基于source和、target和value,数据可仅出现一次,value即权重
    url = "https://raw.githubusercontent.com/anazalea/pySankey/master/pysankey/customers-goods.csv"
    df = pd.read_csv(url, sep=",")
    
    sankey(
        left=df["customer"], right=df["good"], 
        leftWeight= df["revenue"], rightWeight=df["revenue"], 
        aspect=20, fontsize=20
    )

    总结

    以上通过plotly、pyecharts和pysankey快速绘桑基图。

    共勉~

相关推荐
FriendshipT4 分钟前
目标检测:使用自己的数据集微调DEIMv2进行物体检测
人工智能·pytorch·python·目标检测·计算机视觉
平谷一勺29 分钟前
数据清洗-缺失值的处理
python·数据分析
末世灯光36 分钟前
时间序列入门第一问:它和普通数据有什么不一样?(附 3 类典型案例)
人工智能·python·机器学习·时序数据
开心-开心急了38 分钟前
Flask入门教程——李辉 第一、二章关键知识梳理(更新一次)
后端·python·flask
锦***林40 分钟前
用 Python 写一个自动化办公小助手
开发语言·python·自动化
www.021 小时前
微信克隆人,聊天记录训练专属AI(2.WeClone训练模型)
人工智能·python·微信·聊天克隆人·微信克隆人
Gitpchy2 小时前
Day 20 奇异值SVD分解
python·机器学习
MediaTea3 小时前
Python 第三方库:matplotlib(科学绘图与数据可视化)
开发语言·python·信息可视化·matplotlib
草莓熊Lotso3 小时前
C++ 方向 Web 自动化测试入门指南:从概念到 Selenium 实战
前端·c++·python·selenium
我是李武涯3 小时前
PyTorch Dataloader工作原理 之 default collate_fn操作
pytorch·python·深度学习