Python繪製驚豔的桑基圖的範例詳解

2022-02-09 19:01:22

桑基圖簡介

很多時候，我們需要一種必須視覺化資料如何在實體之間流動的情況。例如，以居民如何從一個國家遷移到另一個國家為例。這裡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。

從這個桑基圖 (Sankey)視覺化中可以明顯看出，從England遷移到Wales的居民多於從Scotland或Northern Ireland遷移的居民。

什麼是桑基圖?

桑基圖通常描繪從一個實體(或節點)到另一個實體(或節點)的資料流。

資料流向的實體被稱為節點，資料流起源的節點是源節點(例如左側的England)，流結束的節點是目標節點(例如右側的Wales)。源節點和目標節點通常表示為帶有標籤的矩形。

流動本身由直線或曲線路徑表示，稱為連結。流/連結的寬度與流的量/數量成正比。在上面的例子中，從英格蘭到威爾士的流動(即居民遷移)比從英格蘭到蘇格蘭或北愛爾蘭的流動(即居民遷移)更廣泛(更多)，表明遷移到威爾士的居民數量多於其他國家。

桑基圖可用於表示能量、金錢、成本的流動，以及任何具有流動概念的事物。

米納爾關於拿破崙入侵俄羅斯的經典圖表可能是桑基圖表最著名的例子。這種使用桑基圖的視覺化非常有效地顯示了法國軍隊在前往俄羅斯和返回的途中是如何進步(或減少?)的。

本文中，我們使用 python的plotly繪製桑基圖。

如何繪製桑基圖?

本文使用 2021 年奧運會資料集繪製桑基圖。該資料集包含有關獎牌總數的詳細資訊——國家、獎牌總數以及金牌、銀牌和銅牌的單項總數。我們通過繪製一個桑基圖來了解一個國家贏得的金牌、銀牌和銅牌數。

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

桑基圖繪圖基礎

使用 plotly 的 go.Sankey，該方法帶有2 個引數 ——nodes 和 links (節點和連結)。

注意：所有節點——源和目標都應該有唯一的識別符號。

在本文奧林匹克獎牌資料集情況中：

Source是國家。將前 3 個國家(美國、中國和日本)視為源節點。用以下(唯一的)識別符號、標籤和顏色來標記這些源節點：

0：美國：綠色
1：中國：藍色
2：日本：橙色

Target是金牌、銀牌或銅牌。用以下(唯一的)識別符號、標籤和顏色來標記這些目標節點：

3：金牌：金色
4：銀牌：銀色
5：銅牌：棕色

Link(源節點和目標節點之間)是每種型別獎牌的數量。在每個源中有3個連結，每個連結都以目標結尾——金牌、銀牌和銅牌。所以總共有9個連結。每個環節的寬度應為金牌、銀牌和銅牌的數量。用以下源標記這些連結到目標、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

需要範例化 2 個 python dict 物件來表示

nodes (源和目標)：標籤和顏色作為單獨的列表和
links：源節點、目標節點、值(寬度)和連結的顏色作為單獨的列表

並將其傳遞給plotly的 go.Sankey。

列表的每個索引(標籤、源、目標、值和顏色)分別對應一個節點或連結。

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], # 連結的起點或源節點
  target = [  3,  4,  5,  3,  4,  5,  3,  4,  5], # 連結的目的地或目標節點
  value =  [ 39, 41, 33, 38, 32, 18, 27, 14, 17], # 連結的寬度（數量）
# 連結的顏色
# 目標節點：       3-Gold          4-Silver        5-Bronze
  color = [   
  "lightgreen",   "lightgreen",   "lightgreen",      # 源節點：0 - 美國 States of America
  "lightskyblue", "lightskyblue", "lightskyblue",    # 源節點：1 - 中華人民共和國China
  "bisque",       "bisque",       "bisque"],)        # 源節點：2 - 日本
data = go.Sankey(node = NODES, link = LINKS)
fig = go.Figure(data)
fig.show()

這是一個非常基本的桑基圖。但是否注意到圖表太寬並且銀牌出現在金牌之前?

接下來介紹如何調整節點的位置和寬度。

調整節點位置和圖表寬度

為節點新增 x 和 y 位置以明確指定節點的位置。值應介於 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()

於是得到了一個緊湊的桑基圖：

下面看看程式碼中傳遞的各種引數如何對映到圖中的節點和連結。

程式碼如何對映到桑基圖

新增有意義的懸停標籤

我們都知道plotly繪圖是互動的，我們可以將滑鼠懸停在節點和連結上以獲取更多資訊。

帶有預設懸停標籤的桑基圖

當將滑鼠懸停在圖上，將會顯示詳細資訊。懸停標籤中顯示的資訊是預設文字：節點、節點名稱、傳入流數、傳出流數和總值。

例如：

節點美國共獲得11枚獎牌(=39金+41銀+33銅)
節點金牌共有104枚獎牌(=美國39枚，中國38枚，日本27枚)

如果我們覺得這些標籤太冗長了，我們可以對此程序改進。使用hovertemplate引數改進懸停標籤的格式

對於節點，由於hoverlabels 沒有提供新資訊，通過傳遞一個空hovertemplate = ""來去掉hoverlabel
對於連結，可以使標籤簡潔，格式為-
對於節點和連結，讓我們使用字尾"Medals"顯示值。例如 113 枚獎牌而不是 113 枚。這可以通過使用具有適當valueformat和valuesuffix的update_traces函數來實現。

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], 
       # 連結的起點或源節點
       target = [  3,  4,  5,  3,  4,  5,  3,  4,  5], 
       # 連結的目的地或目標節點
       value =  [ 39, 41, 33, 38, 32, 18, 27, 14, 17], 
       # 連結的寬度（數量） 
             # 連結的顏色
             # 目標節點：3-Gold          4 -Silver        5-Bronze
             color = ["lightgreen",   "lightgreen",   "lightgreen",   # 源節點：0 - 美國
                      "lightskyblue", "lightskyblue", "lightskyblue", # 源節點：1 - 中國
                      "bisque",       "bisque",       "bisque"],      # 源節點：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()

帶有改進的懸停標籤的桑基圖

對多個節點和級別進行泛化相對於連結，節點被稱為源和目標。作為一個連結目標的節點可以是另一個連結的源。

該程式碼可以推廣到處理資料集中的所有國家。

還可以將圖表擴充套件到另一個層次，以視覺化各國的獎牌總數。

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 = [], [], [] 

# 第一組連結和節點
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])

# 最後一組連結和節點
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")

以上就是Python繪製驚豔的桑基圖的範例詳解的詳細內容，更多關於Python繪製桑基圖的資料請關注it145.com其它相關文章！