最近为了更好的看出用户访问APP的路径，我研究了桑吉图，网上虽然有很多文章，但是都只是片面的讲解，实战过程有很多坑需要避免，所以，我总结了画桑吉图的血泪经验，给大家分享。下面先看看桑吉图的效果吧：

图片

通过上面的图，我们能很清楚的看到，大部分用户是主动访问某宝首页，然后在首页分别访问了聚划算以及使用了搜索功能，在聚划算之后又访问了直播、每日大牌，最后跳出了。是不是很清晰？

访问路径和数据都是虚拟的，为了做这个案例而已，大家后面可以使用自己公司的数据。

什么是桑吉图

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，右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”

在互联分析的主要意义是，其可以很清楚的看清楚用户访问APP的路径，可视化用户访问和跳出的重要节点。

如何画桑吉图

画桑吉图主要有以下几步

第一步：数据源

我习惯是数据先处理成以下结构：

数据结构

附上数据源代码用作练习：

# 导入包
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from pyecharts.charts import Sankey
from pyecharts import options as opts
import pyecharts

#数据源
df = pd.DataFrame({
'第一个页面':  ['某宝首页',  '某宝首页',  '某宝首页',  '某宝首页',  '某宝首页',  '某宝首页',  '某宝首页',  '某宝首页',  '某宝首页',  '某宝消息页',  '某宝消息页',  '某宝消息页'],
'第二个页面':  ['搜索',  '搜索',  '搜索',  '搜索',  '聚划算',  '聚划算',  '聚划算',  '聚划算',  '聚划算',  '交易物流',  '交易物流',  '活动优惠'],
'第三个页面':  ['历史搜索',  '历史搜索',  '搜索发现',  '搜索发现',  '每日大牌',  '每日大牌',  '直播',  '直播',  '直播',  '物流详情',  '物流详情',  '权益过期提醒'],
'第四个页面':  ['搜索结果页',  '跳出',  '搜索结果页',  '跳出',  '物品详情页',  '跳出',  '观看直播',  '跳出',  '我的页面',  '某旗舰店',  '跳出',  '跳出'],
'用户量-万':   [77,    706,    56,    981,    871,    348,    638,    698,    912,    651,    627,    380] 
 
})

第二步：定义节点

什么节点呢？其实就是所有用户访问页面的名称，用户从页面A到页面B，再到C。把所有页面都列出来。（可以看出使用了unique(),进行去重，这个地方需要注意，后面会说）
代码：

nodes = []
for i in range(0,4):
    values = df.iloc[:,i].unique()
    for value in values:
        dic = {}
        dic['name'] = value
        nodes.append(dic)

结果：

nodes

第三步：定义边和流量

什么是定义边和流量呢？其实就是把A到B和B到C具体的转化量计算出来。
代码一：代码一的意义在于，用户访问路径是复杂的，可能有10步如果，我们需要看前四步流转情况的话，就要先聚合前四步。

first = df.groupby(['第一个页面','第二个页面'])['用户量-万'].sum().reset_index()
b = df.groupby(['第二个页面','第三个页面',])['用户量-万'].sum().reset_index()
c = df.groupby(['第三个页面','第四个页面',])['用户量-万'].sum().reset_index()

first.columns = ['source','target','value']
b.columns = ['source','target','value']
c.columns = ['source','target','value']

result = pd.concat([first,b,c])
result.head(10)

代码二：
如果就是看所有页面的话，直接使用这个代码就好。此时把result换成df就好了

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

结果：
从这个结果就能看到每一步的流转，source是上一个页面，target是下一个页面，value是从上一个页面到下一个页面的用户量，比如红色框代表从消息页到交易物流页面的用户量是1278

linkes

第四步：画图

代码：
画图就直接使用下面代码就可以了，我们解释一下：

• init_opts=opts.InitOpts(width="1300px", height="500px")，控制整个画图的大小，如果页面比较多，那就需要比较大的画图区域，使用整个代码进行调参。
• label_opts=opts.LabelOpts(position='right')，是页面名称的显示位置，比如上面的1处聚划算，目前显示在右侧。
• node_gap=10,代表2处，聚划算和搜索之间的间距，页面少的时候，可以调大间距。
• node_width = 35,代表3处，是搜索柱子的粗细。

• focus_node_adjacency ='allEdges'。是鼠标悬停上面显示高亮，可以看看开篇时候鼠标的效果。

  
  

pic=(
    Sankey(init_opts=opts.InitOpts(width="1300px", height="500px"))
    .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'),
        #节点之间的距离
        node_gap=10,
        #orient="vertical",#查看垂直图片的操作
        node_width = 35,
        
        # 桑基图中节点的对齐方式，默认是双端对齐，可以设置为左对齐或右对齐，对应的值分别是：# left: 节点左对齐。# right: 节点右对齐。# justify: 节点双端对齐。
        node_align = 'right',
        # 距离右侧的距离
        #pos_right = "10%",
        # 距离左侧的距离
       # pos_left = '1%',
        
        #鼠标悬停时，节点高亮
        focus_node_adjacency ='allEdges'
      
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='用户行为'))
)
pic.render('app_act.html')

注意点

• 主要是需要注意一点是第二步定义节点时，使用的unique(),这个是去重所有的页面，但是有个场景就不能满足，并且是90%以上不满足：
  • 比如用户在第一个页面访问之后就跳出了，那么为了保证数据结构，必须后面几个页面够赋值跳出。数据如下，此时你使用上面的代码是不能画出图。
    数据源2
    数据源代码

df1 = pd.DataFrame({
'第一个页面':  ['某宝首页',  '某宝首页',  '某宝消息页',  '某宝消息页'],
'第二个页面':  ['搜索',  '跳出',  '交易物流',  '跳出'],
'第三个页面':  ['历史搜索',  '跳出',  '物流详情',  '跳出'],
'第四个页面':  ['搜索结果页',  '跳出',  '跳出',  '跳出'],
'用户量-万':   [145,    313,    699,    520] 
})

那么我们需要进行处理：

for i in range(0,4):
     df.iloc[:,i] = df.iloc[:,i] + str(i)

结果：

然后就能使用后面的几步：定义节点--定义边和流量--画图。

#定义节点
nodes = []
for i in range(0,4):
    values = df1.iloc[:,i].unique()
    for value in values:
        dic = {}
        dic['name'] = value
        nodes.append(dic)
    
            
#定义边和流量  
first = df1.groupby(['第一个页面','第二个页面'])['用户量-万'].sum().reset_index()
b = df1.groupby(['第二个页面','第三个页面',])['用户量-万'].sum().reset_index()
c = df1.groupby(['第三个页面','第四个页面',])['用户量-万'].sum().reset_index()

first.columns = ['source','target','value']
b.columns = ['source','target','value']
c.columns = ['source','target','value']

result = pd.concat([first,b,c])

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


#画图
pic=(
    Sankey(init_opts=opts.InitOpts(width="1300px", height="500px"))
    .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'),
        #节点之间的距离
        node_gap=10,
        #orient="vertical",#查看垂直图片的操作
        node_width = 35,
        
        # 桑基图中节点的对齐方式，默认是双端对齐，可以设置为左对齐或右对齐，对应的值分别是：# left: 节点左对齐。# right: 节点右对齐。# justify: 节点双端对齐。
        node_align = 'right',
        # 距离右侧的距离
        #pos_right = "10%",
        # 距离左侧的距离
       # pos_left = '1%',
        
        #鼠标悬停时，节点高亮
        focus_node_adjacency ='allEdges'
      
        
    
    )
    .set_global_opts(title_opts=opts.TitleOpts(title='用户行为'))
)
pic.render('app_act.html')
  

结果：

结果

写在最后：
大家一定要使用上面的数据进行训练，体会其中的坑。。。
大家一定要使用上面的数据进行训练，体会其中的坑。。。
大家一定要使用上面的数据进行训练，体会其中的坑。。。