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”。桑基图最明显的特征就是,始末端的分支宽度总和相等,即所有主支宽度的总和应与所有分出去的分支宽度的总和相等,保持能量的平衡。
制作工具就有:JS库(D3、Ecgarts、highlight)、R、Python、PowerBI、Tableau、BDP个人版。
在R里,有三个包可以绘制桑基图:
library(riverplot)
library("d3Network")
library(Networkd3)
然而第一个包特色过于鲜明,第二个包对中文不太友好,所以个人偏向于第三个包。而在绘制桑基图中,我卡在了数据结构上。。。
栗子:以分析用户购买行为为例绘制桑基图。假设有产品A/B/C三种,分析用户购买路径,第一次买了什么,第二次买了什么,第三次买了什么。源数据共21个用户,如下:
first second third value
A A C 3
A A 1
A B A 2
B A A 2
B A 1
B B C 2
B C C 1
C A B 1
C A 3
C A C 3
C C B 2
说明:第一次购买A,第二次购买A,第三次购买C的用户有3个,以此类推。其中有流失用户,比如第二行的用户,在second->third过程中流失。
根据参考1可知,桑基图的数据结构只有三列,起点、终点和权重,在源数据中有多少节点对,那么最终数据就有多少个三变量数据,并要将所有三变量数据表顺序进行列对齐合并。在我们的数据中有四列数据,first->second->third 以及最后一列权重值,其中有两个节点对(first->second,second->third)。因此我们需要把数据拆开,即:
起点 终点 权重
first second value1
second third value2
因此,第一个三变量数据,总用户数为21,且没有流失用户:
first second value1
A A 4
A B 2
B A 3
B B 2
B C 1
C A 7
C C 2
在计算value值时,计算的是first->second的各个组合的用户总数,比如A->A,用户数为3+1 = 4
第二个三变量数据,总用户数为21,其中流失用户5:
second third value2
A C 3
A 5
B A 2
A A 2
B C 2
C C 1
A B 1
A C 3
C B 2
将两个数据纵向合:
s t v
A A 4
A B 2
B A 3
B B 2
B C 1
C A 7
C C 2
A C 3
A 5
B A 2
A A 2
B C 2
C C 1
A B 1
A C 3
C B 2