Pyecharts绘制桑基图
蚂蚁ailing 人气:0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
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。
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。
加载全部内容