Python繪制驚艷的?；鶊D的示例詳解

更新時(shí)間：2022年02月09日 15:20:46 作者：云朵君

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。這個(gè)時(shí)候就需要?；鶊D，它通常描繪從一個(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。本文將利用Python繪制驚艷的?；鶊D，需要的可以參考一下

?；鶊D簡介

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)國家遷移到另一個(gè)國家為例。這里演示了有多少居民從英格蘭遷移到北愛爾蘭、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。

什么是?；鶊D?

?；鶊D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)量多于其他國家。

?；鶊D可用于表示能量、金錢、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?；鶊D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。

如何繪制?；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)。我們通過繪制一個(gè)?；鶊D來了解一個(gè)國家贏得的金牌、銀牌和銅牌數(shù)。

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_medals

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 93 entries, 0 to 92
Data columns (total 9 columns):
 #   Column         Non-Null Count  Dtype  
---  ------         --------------  -----  
 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   Total          93 non-null     int64  
 6   Rank by Total  93 non-null     int64  
 7   Unnamed: 7     0 non-null      float64
 8   Unnamed: 8     1 non-null      float64
dtypes: float64(2), int64(6), object(1)
memory usage: 6.7+ KB
None

?；鶊D繪圖基礎(chǔ)

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是國家。將前 3 個(gè)國家(美國、中國和日本)視為源節(jié)點(diǎn)。用以下(唯一的)標(biāo)識(shí)符、標(biāo)簽和顏色來標(biāo)記這些源節(jié)點(diǎn)：

0：美國：綠色
1：中國：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) 至 3,4,5 : 39, 41, 33
1 (中國) 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                             2        3       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-Gold          4-Silver        5-Bronze
  color = [   
  "lightgreen",   "lightgreen",   "lightgreen",      # 源節(jié)點(diǎn)：0 - 美國 States of America
  "lightskyblue", "lightskyblue", "lightskyblue",    # 源節(jié)點(diǎn)：1 - 中華人民共和國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)非常基本的?；鶊D。但是否注意到圖表太寬并且銀牌出現(xiàn)在金牌之前?

接下來介紹如何調(diào)整節(jié)點(diǎn)的位置和寬度。

調(diào)整節(jié)點(diǎn)位置和圖表寬度

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                             2        3       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

添加有意義的懸停標(biāo)簽

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)簽的桑基圖

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39枚，中國38枚，日本27枚)

如果我們覺得這些標(biāo)簽太冗長了，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 沒有提供新信息，通過傳遞一個(gè)空hovertemplate = ""來去掉hoverlabel
對(duì)于鏈接，可以使標(biāo)簽簡潔，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。這可以通過使用具有適當(dāng)valueformat和valuesuffix的update_traces函數(shù)來實(shí)現(xiàn)。

NODES = dict( 
#         0                           1                               2        3       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-Gold          4 -Silver        5-Bronze
             color = ["lightgreen",   "lightgreen",   "lightgreen",   # 源節(jié)點(diǎn)：0 - 美國
                      "lightskyblue", "lightskyblue", "lightskyblue", # 源節(jié)點(diǎn)：1 - 中國
                      "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)集中的所有國家。

還可以將圖表擴(kuò)展到另一個(gè)層次，以可視化各國的獎(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")