什麼是桑基圖？
展現數據流動的利器，比如材料、能源、成本等等。
主要由邊、流量、結點組成:
- 來源(source): 數據(邊越大數值越大)
- 流量(value): 數據的具體數值
- 終點(target): 不同分類
圖片
桑基圖自命名那一刻起，就注定和能量分不開了。桑基圖通常用於視覺化能源或成本轉移，也可以幫助我們確定各部分流量在總體的大概佔比。
無論數據怎麼流動，桑基圖的總數值保持不變，堅持能量守恆。
種類
不外乎就是這些，遵守能量守恆。
使用Python實作
為了繪製桑基圖，我們同樣使用Olympics 2021。
該數據集包含有關獎牌統計的詳細資訊 : 國家、獎牌總數以及金牌、銀牌和銅牌的分配情況。
讓我們繪製一個桑基圖來了解一個國家獲得的獎牌中有多少是金牌、銀牌和銅牌:
我們將使用 plotly 的 go interface ，它有2個參數，nodes和link。
請注意，所有nodes（source和target）都應具有唯一id。
在這個分析中:
Source就是國家。 讓我們觀察前 3 個國家（美國、中國和日本）作為來源節點。 讓我們用以下（唯一的）id、label和color來標記這些點:
0代表美國，綠色；1代表中國，藍色；2代表日本，橘色。
Target是金牌、銀牌和銅牌:
3代表金牌；4代表銀牌；代表銅牌。
LInk是每個國家的獎牌數量（金、銀、銅），對於每個來源，我們都會有 3 個起始鏈接，每個鏈接均以target結束 — 金級、銀級和銅級。 所以我們總共有 9 個鏈接。
每個鏈接的寬度應為金、銀、銅牌的數量。 讓我們用以下來標記這些鏈接:
0 (USA) to 3,4,5 : 39, 41, 33
1 (China) to 3, 4, 5 : 38, 32, 18
2 (Japan) to 3,4,5 : 27, 14, 17
我們需要實例化 2 個 python dict 來表示:
- Nodes（來源節點和目標節點）：將標籤和顏色作為單獨的列表，
- Links：來源節點、目標節點、值（寬度）以及作為單獨列表的鏈接的顏色
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], # The origin or the source nodes of the link
target = [ 3, 4, 5, 3, 4, 5, 3, 4, 5], # The destination or the target nodes of the link
value = [ 39, 41, 33, 38, 32, 18, 27, 14, 17], # The width (quantity) of the links
# Color of the links
# Target Node: 3-Gold 4 -Silver 5-Bronze
color = [ "lightgreen", "lightgreen", "lightgreen", # Source Node: 0 - United States of America
"lightskyblue", "lightskyblue", "lightskyblue", # Source Node: 1 - People's Republic of China
"bisque", "bisque", "bisque"],) # Source Node: 2 - Japan
data = go.Sankey(node = NODES, link = LINKS)
fig = go.Figure(data)
fig.update_layout(title="Olympics - 2021: Country & Medals", font_size=16)
fig.show("png") #fig.show()
這裡我們有一個非常基本的圖。 但您是否注意到圖表太寬並且白銀出現在黃金之前？ 讓我們調整節點的位置和寬度。
調整節點位置和圖表寬度
讓我們添加節點的 x 和 y 位置以指定節點的位置。 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, width=1200,height=500,)
ig.show()
請參閱下面的程式碼傳遞的各種參數如何映射到圖中的節點和鏈接:
添加有意義的懸浮標籤
圖是可互動的。 您可以將鼠標懸停在節點和鏈接上以獲取更多訊息。
目前，懸停標籤中顯示的訊息是默認文字。 當您將滑鼠懸停在
- Nodes: 節點名稱、流入數量、流出數量、合計值。 例如:美國共有 11 枚獎牌（= 39 枚金牌 + 41 枚銀牌 + 33 枚銅牌）
- Node 金牌 共有 104 枚獎牌（= 39 枚來自美國，38 枚來自中國，27 枚來自日本）
- Links : 來源節點名稱和目標節點名稱以及鏈接的值。 例如，從 USA 到目標節點 Silver 的鏈接有 39 枚獎牌。
你不覺得標籤太冗長了嗎？ 這些都是可以改進的。
讓我們使用hovertemplate參數改進懸停標籤的格式:
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], # The origin or the source nodes of the link
target = [ 3, 4, 5, 3, 4, 5, 3, 4, 5], # The destination or the target nodes of the link
value = [ 39, 41, 33, 38, 32, 18, 27, 14, 17], # The width (quantity) of the links
# Color of the links
# Target Node: 3-Gold 4 -Silver 5-Bronze
color = [ "lightgreen", "lightgreen", "lightgreen", # Source Node: 0 - United States of America
"lightskyblue", "lightskyblue", "lightskyblue", # Source Node: 1 - People's Republic of China
"bisque", "bisque", "bisque"], # Source Node: 2 - Japan
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()
結論
我們了解瞭如何使用桑基圖有效地表示流量，以及如何使用 python 實作桑基圖。
優點:
- 可同時呈現出資訊流的狀況、以及資料的組成比例(數值、類別)
缺點:
- 數據太多，不同的邊相互重疊，會降低了桑基圖的可讀性。
- 有觀測指標的值差異太小，會降低了桑基圖的可讀性。
- 若觀測指標的值差異太大，也會降低了桑基圖的可讀性。
