Python?Pyecharts怎么繪制桑基圖分析用戶行為路徑

這篇文章主要介紹“Python Pyecharts怎么繪制桑基圖分析用戶行為路徑”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“Python Pyecharts怎么繪制桑基圖分析用戶行為路徑”文章能幫助大家解決問題。

桑基圖，它的核心是對不同點之間，通過線來連接。線的粗細代表流量的大小。很多工具都能實現桑基

圖，比如：Excel、tableau，我們今天要用 Pyecharts 來繪制。

因為沒有用戶行為路徑相關的公開數據，所以本次實現可視化是根據泰坦尼克號，其生存與遇難的人的

數據，來分析流向路徑。學會思路，你也可以換成自己公司的用戶行為埋點數據。

讀取數據

from pyecharts import options as opts
from pyecharts.charts import Sankey
import pandas as pd
data = pd.read_excel('/Users/wangwangyuqing/Desktop/train.xlsx')
data

整理數據結構：父類→子類→值

從父類到子類，每相鄰的兩個分類變量都需要計算，使用 Pandas 中數據透視表，計算后的數據縱向合并成三列。

lis = data.columns.tolist()[:-1]
lis1 = lis[:-1]
lis2 = lis[1:]
data1 = pd.DataFrame()
for i in zip(lis1,lis2):  
    datai = data.pivot_table('ID',index=list(i),aggfunc='count').reset_index()
    datai.columns=[0,1,2]
    data1 = data1.append(datai)
data1

生成節點數據

需要把所有涉及到的節點去重規整在一起。列表內嵌套字典的形式去重匯總。

# 生成nodes
nodes = []
# 先添加幾個頂級的父節點
nodes.append({'name':'C港口'})
nodes.append({'name':'Q港口'})
nodes.append({'name':'S港口'})
# 添加其他節點
for i in data1[1].unique():    
    dic = {}    
    dic['name'] = i    
    nodes.append(dic)
nodes

組織數據：定義節點和流量

數據從哪里流向哪里，流量（值）是多少，循環+字典來組織數據

links = []
for i in data1.values:    
    dic = {}    
    dic['source'] = i[0]    
    dic['target'] = i[1]    
    dic['value'] = i[2]
    links.append(dic)
links

數據可視化

c = (
    Sankey(init_opts=opts.InitOpts(width="1200px", height="800px",theme='westeros'))
    .add(
        "",
        nodes=nodes,
        links=links,
        linestyle_opt=opts.LineStyleOpts(opacity=0.2, curve=0.5, color="source"),
        label_opts=opts.LabelOpts(position="right"),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="桑基圖"))
    .render("/Users/wangwangyuqing/Desktop/image.html")
)

桑基圖是分析用戶路徑的有效方法之一，能非常直觀地展現用戶旅程，幫助我們進一步確定轉化漏斗中的關鍵步驟，發現用戶的

流失點，找到有價值的用戶群體，看用戶主要流向了哪里，發現用戶的興趣點以及被忽略的產品價值，尋找新的機會。

關于“Python Pyecharts怎么繪制桑基圖分析用戶行為路徑”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。