作者 | 周志鹏 责编 | 郭   芮 最近，不止一次收到小伙伴的截图追问：

“这个图叫什么？？？” “这个图真好看！！！怎么画啊？” ...... 笔者本没有干货，问的人多了，也便有了干货。 此图姓桑名基，平素不喜露面。奈何天生丽质，偶有露面，必引众人围观。 时人有云：“桑基桑基，高贵美丽！” 桑基是何许图也？ 据笔者不严谨的抽样提问统计，90%想学习桑基图的旁友，都是被她妖艳炫酷的外表所吸引。 而桑基图真正代表了什么？和类似图表相比的独特性是什么？却几乎无人问津。 害！人真的是视觉动物！ 言归正传，我们来看看百科的官方解释： 桑基图(Sankey diagram)，即桑基能量分流图，也叫桑基能量平衡图。它是一种特定类型的流程图，图中延伸的分支的宽度对应数据流量的大小，通常应用于能源、材料成分、金融等数据的可视化分析。因1898年Matthew Henry Phineas Riall Sankey绘制的"蒸汽机的能源效率图"而闻名，此后便以其名字命名为"桑基图"。 Emmm，有点内个意思了，结合其他资料，做进一步的汇总提炼：

• 桑基两个字取自“发明”者的名字

• 属于流程图的一种，核心在于展示数据的流转

• 主要由节点、边和流量三要素构成，边越宽代表流量越大

• 遵循守恒定律，无论怎么流动，开端和末端数据总是一致的

文字太苍白，下面我们用Python来绘制一个具体的实例。

Python手把手绘制桑基图 动手之前，我们再次敲黑板，回顾桑基图组成要素的重点——节点、边和流量。 任何桑基图，无论展现形式如何夸张，色彩如何艳丽，动效如何炫酷，本质都逃不出上述3点。 只要我们定义好上述3个要素，Python的pyecharts库能够轻松实现桑基图的绘制。 这里我们用“当代青年熬夜原因分析”数据为例： (数据来源：这个数据是笔者近两周卖炒粉时口头做的调研) 很规整的性别、熬夜原因、人数三列数据。 不过，要用pyecharts来画图，得入乡随俗，按照它定的规则来规整数据源。 首先是节点，这一步需要把所有涉及到的节点去重规整在一起。也就是要把性别一列的“男”、“女”和熬夜原因一列的“打游戏”、“加班”、“看剧”以列表内嵌套字典的形式去重汇总： 接着，定义边和流量，数据从哪里流向哪里，流量(值)是多少，循环+字典依然可以轻松搞定： source-target-value的字典格式，很清晰的描述了数据的流转情况。 这两块数据准备完毕，桑基图已经完成了80%，剩下的20%，只是固定格式的绘图代码：

from pyecharts.charts import Sankeyfrom pyecharts import options as optspic = (    Sankey()    .add('', #图例名称         nodes,    #传入节点数据         linkes,   #传入边和流量数据         #设置透明度、弯曲度、颜色         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = "source"),         #标签显示位置         label_opts=opts.LabelOpts(position="right"),         #节点之前的距离         node_gap = 30,    )    .set_global_opts(title_opts=opts.TitleOpts(title = '熬夜原因桑基图')))pic.render('test.html')

一个回车下去，看看成果： 果然，男打游戏女看剧，加班熬夜是儿戏。 如果想要垂直显示，只需要在add函数里面加一个orient="vertical"就好：

pic = (    Sankey()    .add('',         nodes,         linkes,         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = "source"),         label_opts=opts.LabelOpts(position="top"),         node_gap = 30,         orient="vertical",      #更改的是这里    )    .set_global_opts(title_opts=opts.TitleOpts(title = '熬夜原因细分桑基图')))pic.render('test2.html')

OK！不过，还有同学意犹未尽，这个是涉及到两层的流转，那如果三层，需要怎么画呢？ 不慌，先导入(狗粮)数据： 这是某宠物品牌，3月份主要产品购买路径(第一次和第二次)的数据，先是品类，其次是第一次购买的产品类型，接着是第二次购买的产品类型，最后一列对应人数。 (注：这里第一次购买的产品前面加了“1-”，第二次购买加了“2-”的区分标识。) 画图必备的nodes节点实现很简单，所有节点(品类、第一次购买、第二次购买)做去重汇总，对上面生成nodes代码稍作调整就可以： 而linkes只接受source-traget-value的格式，得先对源数据进行格式调整，分别形成“品类-第一次购买-人数”，“第一次购买-第二次购买-人数”的样式，再统一汇总： 规整汇总好之后，只需要复用上面的linkes代码： 画图代码几乎没变，只是改了个标题：

pic = (    Sankey()    .add('',         nodes,         linkes,         linestyle_opt=opts.LineStyleOpts(opacity = 0.3, curve = 0.5, color = 'source'),         label_opts=opts.LabelOpts(position = 'top'),         node_gap = 30,    )    .set_global_opts(title_opts=opts.TitleOpts(title = '客户购买路径流转图')))pic.render('test3.html')

大功告成，So easy！无论是多少层数据的流转，只要定义好nodes和linkes，就能以不变应万变。 最后，通过上面的桑基图，我们能够非常直观的洞察到客户购买流转规律：

出于试错成本的考量，大部分客户第一次购买的是小规格狗粮。 第一次购买小规格狗粮的客户，流失(第二次未购买)情况严重，且再次购买客户，更倾向于继续选择小规格狗粮尝试，而不是信任性的购买大规格狗粮。 第一次购买大规格狗粮的客户，留存下来的客户已经建立起对品牌的信任感，再次购买大部分选择了大规格狗粮。 购买狗粮的客户第二次复购鲜有尝试玩具的，而第一次购买玩具的客户，也并未建立起对品牌狗粮的兴趣。

原本死板的数据，在桑基的装扮之下，变得楚楚动人。 作者： 周志鹏，3年数据分析，深切感受到数据分析的有趣和学习过程中缺少案例的无奈，遂新开公众号「数据不吹牛」，定期更新数据分析相关技巧和有趣案例(含实战数据集)，欢迎大家关注交流。 声明：本文为作者投稿，版权归其所有。 【End】

推荐阅读 ☞154 万 AI 开发者用数据告诉你，中国 AI 如何才能弯道超车？| 中国 AI 应用开发者报告☞ 暴风集团仅剩10余人；搜狗告百度输入法侵权案再驳回；Linux 5.6发布 | 极客头条☞2019报告：AI程序员人才需求暴涨35倍！每10个公司就有6个人才缺口

☞大龄程序员都去哪？分享我身边的几个故事

☞Spark3.0发布了，代码拉过来，打个包，跑起来！| 附源码编译

☞业内最大的“空气币”——以太坊？？？

你点的每一个在看，我认真当成了喜欢