本篇內(nèi)容介紹了“怎么使用Python繪制驚艷的桑基圖”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！
10余年的扶溝網(wǎng)站建設(shè)經(jīng)驗(yàn)，針對(duì)設(shè)計(jì)、前端、開(kāi)發(fā)、售后、文案、推廣等六對(duì)一服務(wù)，響應(yīng)快，48小時(shí)及時(shí)工作處理。網(wǎng)絡(luò)營(yíng)銷推廣的優(yōu)勢(shì)是能夠根據(jù)用戶設(shè)備顯示端的尺寸不同，自動(dòng)調(diào)整扶溝建站的顯示方式，使網(wǎng)站能夠適用不同顯示終端，在瀏覽器中調(diào)整網(wǎng)站的寬度，無(wú)論在任何一種瀏覽器上瀏覽網(wǎng)站，都能展現(xiàn)優(yōu)雅布局與設(shè)計(jì)，從而大程度地提升瀏覽體驗(yàn)。成都創(chuàng)新互聯(lián)公司從事“扶溝網(wǎng)站設(shè)計(jì)”,“扶溝網(wǎng)站推廣”以來(lái)，每個(gè)客戶項(xiàng)目都認(rèn)真落實(shí)執(zhí)行。
很多時(shí)候，我們需要一種必須可視化數(shù)據(jù)如何在實(shí)體之間流動(dòng)的情況。例如，以居民如何從一個(gè)國(guó)家遷移到另一個(gè)國(guó)家為例。這里演示了有多少居民從英格蘭遷移到北愛(ài)爾蘭、蘇格蘭和威爾士。
從這個(gè) ?；鶊D (Sankey)可視化中可以明顯看出，從England遷移到Wales的居民多于從Scotland或Northern Ireland遷移的居民。
桑基圖通常描繪 從一個(gè)實(shí)體(或節(jié)點(diǎn))到另一個(gè)實(shí)體(或節(jié)點(diǎn))的數(shù)據(jù)流。
數(shù)據(jù)流向的實(shí)體被稱為節(jié)點(diǎn)，數(shù)據(jù)流起源的節(jié)點(diǎn)是源節(jié)點(diǎn)(例如左側(cè)的England)，流結(jié)束的節(jié)點(diǎn)是 目標(biāo)節(jié)點(diǎn)(例如右側(cè)的Wales)。源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)通常表示為帶有標(biāo)簽的矩形。
流動(dòng)本身由直線或曲線路徑表示，稱為鏈接。流/鏈接的寬度與流的量/數(shù)量成正比。在上面的例子中，從英格蘭到威爾士的流動(dòng)(即居民遷移)比從英格蘭到蘇格蘭或北愛(ài)爾蘭的流動(dòng)(即居民遷移)更廣泛(更多)，表明遷移到威爾士的居民數(shù)量多于其他國(guó)家。
桑基圖可用于表示能量、金錢(qián)、成本的流動(dòng)，以及任何具有流動(dòng)概念的事物。
米納爾關(guān)于拿破侖入侵俄羅斯的經(jīng)典圖表可能是桑基圖表最著名的例子。這種使用?；鶊D的可視化非常有效地顯示了法國(guó)軍隊(duì)在前往俄羅斯和返回的途中是如何進(jìn)步(或減少?)的。
本文中，我們使用 python 的 plotly 繪制?；鶊D。
本文使用 2021 年奧運(yùn)會(huì)數(shù)據(jù)集繪制?；鶊D。該數(shù)據(jù)集包含有關(guān)獎(jiǎng)牌總數(shù)的詳細(xì)信息——國(guó)家、獎(jiǎng)牌總數(shù)以及金牌、銀牌和銅牌的單項(xiàng)總數(shù)。我們通過(guò)繪制一個(gè)桑基圖來(lái)了解一個(gè)國(guó)家贏得的金牌、銀牌和銅牌數(shù)。
重慶分公司
重慶分公司
df_medals = pd.read_excel("data/Medals.xlsx")
print(df_medals.info())
df_medals.rename(columns={'Team/NOC':'Country', 'Total': 'Total Medals', 'Gold':'Gold Medals', 'Silver': 'Silver Medals', 'Bronze': 'Bronze Medals'}, inplace=True)
df_medals.drop(columns=['Unnamed: 7','Unnamed: 8','Rank by Total'], inplace=True)
df_medalsRangeIndex: 93 entries, 0 to 92 Data columns (total 9 columns): # Column Non-Null CountDtype --------- ------------------- 0 Rank 93 non-null int64 1 Team/NOC 93 non-null object 2 Gold 93 non-null int64 3 Silver 93 non-null int64 4 Bronze 93 non-null int64 5 Total93 non-null int64 6 Rank by Total93 non-null int64 7 Unnamed: 7 0 non-nullfloat64 8 Unnamed: 8 1 non-nullfloat64 dtypes: float64(2), int64(6), object(1) memory usage: 6.7+ KB None
使用 plotly 的 go.Sankey，該方法帶有2 個(gè)參數(shù) ——nodes 和 links (節(jié)點(diǎn)和鏈接)。
注意：所有節(jié)點(diǎn)——源和目標(biāo)都應(yīng)該有唯一的標(biāo)識(shí)符。
在本文奧林匹克獎(jiǎng)牌數(shù)據(jù)集情況中：
Source是國(guó)家。將前 3 個(gè)國(guó)家(美國(guó)、中國(guó)和日本)視為源節(jié)點(diǎn)。用以下(唯一的)標(biāo)識(shí)符、標(biāo)簽和顏色來(lái)標(biāo)記這些源節(jié)點(diǎn)：
0：美國(guó)：綠色
1：中國(guó)：藍(lán)色
2：日本：橙色
Target是金牌、銀牌或銅牌。用以下(唯一的)標(biāo)識(shí)符、標(biāo)簽和顏色來(lái)標(biāo)記這些目標(biāo)節(jié)點(diǎn)：
3：金牌：金色
4：銀牌：銀色
5：銅牌：棕色
Link(源節(jié)點(diǎn)和目標(biāo)節(jié)點(diǎn)之間)是每種類型獎(jiǎng)牌的數(shù)量。在每個(gè)源中有3個(gè)鏈接，每個(gè)鏈接都以目標(biāo)結(jié)尾——金牌、銀牌和銅牌。所以總共有9個(gè)鏈接。每個(gè)環(huán)節(jié)的寬度應(yīng)為金牌、銀牌和銅牌的數(shù)量。用以下源標(biāo)記這些鏈接到目標(biāo)、值和顏色：
0 (美國(guó)) 至 3,4,5 : 39, 41, 33
1 (中國(guó)) 至 3,4,5 : 38, 32, 18
2 (日本) 至 3,4,5 : 27, 14, 17
需要實(shí)例化 2 個(gè) python dict 對(duì)象來(lái)表示
nodes (源和目標(biāo))：標(biāo)簽和顏色作為單獨(dú)的列表和
links：源節(jié)點(diǎn)、目標(biāo)節(jié)點(diǎn)、值(寬度)和鏈接的顏色作為單獨(dú)的列表
并將其傳遞給plotly的 go.Sankey。
列表的每個(gè)索引(標(biāo)簽、源、目標(biāo)、值和顏色)分別對(duì)應(yīng)一個(gè)節(jié)點(diǎn)或鏈接。
NODES = dict( # 0 1 23 4 5 label = ["United States of America", "People's Republic of China", "Japan", "Gold", "Silver", "Bronze"], color = ["seagreen", "dodgerblue", "orange", "gold", "silver", "brown" ],) LINKS = dict( source = [0,0,0,1,1,1,2,2,2], # 鏈接的起點(diǎn)或源節(jié)點(diǎn) target = [3,4,5,3,4,5,3,4,5], # 鏈接的目的地或目標(biāo)節(jié)點(diǎn) value =[ 39, 41, 33, 38, 32, 18, 27, 14, 17], # 鏈接的寬度（數(shù)量） # 鏈接的顏色 # 目標(biāo)節(jié)點(diǎn)： 3-Gold4-Silver5-Bronze color = [ "lightgreen", "lightgreen", "lightgreen",# 源節(jié)點(diǎn)：0 - 美國(guó) States of America "lightskyblue", "lightskyblue", "lightskyblue",# 源節(jié)點(diǎn)：1 - 中華人民共和國(guó)China "bisque", "bisque", "bisque"],)# 源節(jié)點(diǎn)：2 - 日本 data = go.Sankey(node = NODES, link = LINKS) fig = go.Figure(data) fig.show()
這是一個(gè)非?；镜纳；鶊D。但是否注意到圖表太寬并且銀牌出現(xiàn)在金牌之前?
接下來(lái)介紹如何調(diào)整節(jié)點(diǎn)的位置和寬度。
為節(jié)點(diǎn)添加 x 和 y 位置以明確指定節(jié)點(diǎn)的位置。值應(yīng)介于 0 和 1 之間。
NODES = dict( # 0 1 23 4 5 label = ["United States of America", "People's Republic of China", "Japan", "Gold", "Silver", "Bronze"], color = ["seagreen", "dodgerblue", "orange", "gold", "silver", "brown" ],) x = [ 0,0,0,0.5,0.5,0.5], y = [ 0,0.5,1,0.1,0.5,1],) data = go.Sankey(node = NODES, link = LINKS) fig = go.Figure(data) fig.update_layout(title="Olympics - 2021: Country &Medals",font_size=16) fig.show()
于是得到了一個(gè)緊湊的?；鶊D：
下面看看代碼中傳遞的各種參數(shù)如何映射到圖中的節(jié)點(diǎn)和鏈接。
代碼如何映射到?；鶊D
我們都知道plotly繪圖是交互的，我們可以將鼠標(biāo)懸停在節(jié)點(diǎn)和鏈接上以獲取更多信息。
帶有默認(rèn)懸停標(biāo)簽的?；鶊D
當(dāng)將鼠標(biāo)懸停在圖上，將會(huì)顯示詳細(xì)信息。懸停標(biāo)簽中顯示的信息是默認(rèn)文本：節(jié)點(diǎn)、節(jié)點(diǎn)名稱、傳入流數(shù)、傳出流數(shù)和總值。
例如：
節(jié)點(diǎn)美國(guó)共獲得11枚獎(jiǎng)牌(=39金+41銀+33銅)
節(jié)點(diǎn)金牌共有104枚獎(jiǎng)牌(=美國(guó)39枚，中國(guó)38枚，日本27枚)
如果我們覺(jué)得這些標(biāo)簽太冗長(zhǎng)了，我們可以對(duì)此進(jìn)程改進(jìn)。使用hovertemplate參數(shù)改進(jìn)懸停標(biāo)簽的格式
對(duì)于節(jié)點(diǎn)，由于hoverlabels 沒(méi)有提供新信息，通過(guò)傳遞一個(gè)空hovertemplate = ""來(lái)去掉hoverlabel
對(duì)于鏈接，可以使標(biāo)簽簡(jiǎn)潔，格式為-
對(duì)于節(jié)點(diǎn)和鏈接，讓我們使用后綴"Medals"顯示值。例如 113 枚獎(jiǎng)牌而不是 113 枚。這可以通過(guò)使用具有適當(dāng)valueformat和valuesuffix的update_traces函數(shù)來(lái)實(shí)現(xiàn)。
NODES = dict(
# 0 1 23 4 5
label = ["United States of America", "People's Republic of China", "Japan", "Gold", "Silver", "Bronze"],
color = ["seagreen", "dodgerblue","orange", "gold", "silver", "brown" ],
x = [ 0,0, 0,0.5,0.5,0.5],
y = [ 0,0.5, 1,0.1,0.5,1],
hovertemplate=" ",)
LINK_LABELS = []
for country in ["USA","China","Japan"]:
for medal in ["Gold","Silver","Bronze"]:
LINK_LABELS.append(f"{country}-{medal}")
LINKS = dict(source = [0,0,0,1,1,1,2,2,2],
# 鏈接的起點(diǎn)或源節(jié)點(diǎn)
target = [3,4,5,3,4,5,3,4,5],
# 鏈接的目的地或目標(biāo)節(jié)點(diǎn)
value =[ 39, 41, 33, 38, 32, 18, 27, 14, 17],
# 鏈接的寬度（數(shù)量）
# 鏈接的顏色
# 目標(biāo)節(jié)點(diǎn)：3-Gold4 -Silver5-Bronze
color = ["lightgreen", "lightgreen", "lightgreen", # 源節(jié)點(diǎn)：0 - 美國(guó)
"lightskyblue", "lightskyblue", "lightskyblue", # 源節(jié)點(diǎn)：1 - 中國(guó)
"bisque", "bisque", "bisque"],# 源節(jié)點(diǎn)：2 - 日本
label = LINK_LABELS,
hovertemplate="%{label}",)
data = go.Sankey(node = NODES, link = LINKS)
fig = go.Figure(data)
fig.update_layout(title="Olympics - 2021: Country &Medals",
font_size=16, width=1200, height=500,)
fig.update_traces(valueformat='3d',
valuesuffix='Medals',
selector=dict(type='sankey'))
fig.update_layout(hoverlabel=dict(bgcolor="lightgray",
font_size=16,
font_family="Rockwell"))
fig.show("png") #fig.show()
帶有改進(jìn)的懸停標(biāo)簽的桑基圖
對(duì)多個(gè)節(jié)點(diǎn)和級(jí)別進(jìn)行泛化相對(duì)于鏈接，節(jié)點(diǎn)被稱為源和目標(biāo)。作為一個(gè)鏈接目標(biāo)的節(jié)點(diǎn)可以是另一個(gè)鏈接的源。
該代碼可以推廣到處理數(shù)據(jù)集中的所有國(guó)家。
還可以將圖表擴(kuò)展到另一個(gè)層次，以可視化各國(guó)的獎(jiǎng)牌總數(shù)。
NUM_COUNTRIES = 5
X_POS, Y_POS = 0.5, 1/(NUM_COUNTRIES-1)
NODE_COLORS = ["seagreen", "dodgerblue", "orange", "palevioletred", "darkcyan"]
LINK_COLORS = ["lightgreen", "lightskyblue", "bisque", "pink", "lightcyan"]
source = []
node_x_pos, node_y_pos = [], []
node_labels, node_colors = [], NODE_COLORS[0:NUM_COUNTRIES]
link_labels, link_colors, link_values = [], [], []
# 第一組鏈接和節(jié)點(diǎn)
for i in range(NUM_COUNTRIES):
source.extend([i]*3)
node_x_pos.append(0.01)
node_y_pos.append(round(i*Y_POS+0.01,2))
country = df_medals['Country'][i]
node_labels.append(country)
for medal in ["Gold", "Silver", "Bronze"]:
link_labels.append(f"{country}-{medal}")
link_values.append(df_medals[f"{medal} Medals"][i])
link_colors.extend([LINK_COLORS[i]]*3)
source_last = max(source)+1
target = [ source_last, source_last+1, source_last+2] * NUM_COUNTRIES
target_last = max(target)+1
node_labels.extend(["Gold", "Silver", "Bronze"])
node_colors.extend(["gold", "silver", "brown"])
node_x_pos.extend([X_POS, X_POS, X_POS])
node_y_pos.extend([0.01, 0.5, 1])
# 最后一組鏈接和節(jié)點(diǎn)
source.extend([ source_last, source_last+1, source_last+2])
target.extend([target_last]*3)
node_labels.extend(["Total Medals"])
node_colors.extend(["grey"])
node_x_pos.extend([X_POS+0.25])
node_y_pos.extend([0.5])
for medal in ["Gold","Silver","Bronze"]:
link_labels.append(f"{medal}")
link_values.append(df_medals[f"{medal} Medals"][:i+1].sum())
link_colors.extend(["gold", "silver", "brown"])
print("node_labels", node_labels)
print("node_x_pos", node_x_pos); print("node_y_pos", node_y_pos)node_labels ['United States of America', "People's Republic of China", 'Japan', 'Great Britain', 'ROC', 'Gold', 'Silver', 'Bronze', 'Total Medals'] node_x_pos [0.01, 0.01, 0.01, 0.01, 0.01, 0.5, 0.5, 0.5, 0.75] node_y_pos [0.01, 0.26, 0.51, 0.76, 1.01, 0.01, 0.5, 1, 0.5]
# 顯示的圖
NODES = dict(pad= 20, thickness = 20,
line = dict(color = "lightslategrey",
width = 0.5),
hovertemplate=" ",
label = node_labels,
color = node_colors,
x = node_x_pos,
y = node_y_pos, )
LINKS = dict(source = source,
target = target,
value = link_values,
label = link_labels,
color = link_colors,
hovertemplate="%{label}",)
data = go.Sankey(arrangement='snap',
node = NODES,
link = LINKS)
fig = go.Figure(data)
fig.update_traces(valueformat='3d',
valuesuffix=' Medals',
selector=dict(type='sankey'))
fig.update_layout(title="Olympics - 2021: Country &Medals",
font_size=16,
width=1200,
height=500,)
fig.update_layout(hoverlabel=dict(bgcolor="grey",
font_size=14,
font_family="Rockwell"))
fig.show("png")
“怎么使用Python繪制驚艷的?；鶊D”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注創(chuàng)新互聯(lián)網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！
