python - Plotly:如何使用 Pandas 数据框定义桑基图的结构？

标签 python pandas jupyter-notebook plotly sankey-diagram

这听起来像是一个非常宽泛的问题，但如果您让我描述一些细节，我可以向您保证它非常具体。以及令人沮丧、沮丧和愤怒。

下图描述了一次苏格兰选举，基于 plot.ly 中的代码:

plotly 1:

enter image description here

数据集 1:

data = [['Source','Target','Value','Color','Node, Label','Link Color'],
        [0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
        [0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
        [0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],
        [1,5,14,'#7FC241','Leave+Yes – 14','rgba(219, 233, 246, 0.5)'],
        [1,6,1,'#D3D3D3','Didn’t vote in at least one referendum – 21','rgba(73, 148, 206, 1)'],
        [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'],
        [2,5,3,'#449E9E','39 – Yes','rgba(250, 188, 19, 1)'],
        [2,6,17,'#D3D3D3','14 – Don’t know / would not vote','rgba(250, 188, 19, 0.5)'],
        [2,7,2,'','','rgba(250, 188, 19, 0.5)'],
        [3,5,3,'','','rgba(127, 194, 65, 1)'],
        [3,6,9,'','','rgba(127, 194, 65, 0.5)'],
        [3,7,2,'','','rgba(127, 194, 65, 0.5)'],
        [4,5,5,'','','rgba(211, 211, 211, 0.5)'],
        [4,6,9,'','','rgba(211, 211, 211, 0.5)'],
        [4,7,8,'','','rgba(211, 211, 211, 0.5)']
        ]

plotly 是如何构建的:

我从各种来源获取了一些关于桑基图行为的重要细节，例如:

挑战:

正如您将在下面的详细信息中看到的那样，节点、标签和颜色未按照与源数据框的结构化顺序相同的顺序应用于图表。 其中一些非常有道理，因为您有各种元素描述相同的节点，例如颜色、目标、值和链接颜色。一个节点 'Remain+No – 28' 看起来像这样:

enter image description here

数据集的伴随部分如下所示:

[0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
[0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
[0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],

因此，这部分源代码描述了一个节点 [0]，它具有三个对应的目标 [5, 6, 7] 和三个值为 [ 的链接20, 3, 5]。 '#F27420' 是节点的橙色(大概)颜色，颜色 'rgba(253, 227, 212, 0.5)', 'rgba (242, 116, 32, 1)' 和 'rgba(253, 227, 212, 0.5)' 描述了从节点到一些目标的链接的颜色。到目前为止，上面示例中尚未使用的信息是:

数据样本2(部分)

[-,-,--'-------','---------------','-------------------'],
[-,-,-,'#4994CE','Leave+No – 16','-------------------'],
[-,-,-,'#FABC13','Remain+Yes – 21','-------------------'],

并且该信息用于介绍图表的其余元素。

那么，问题是什么？在下面的详细信息中，您将看到只要数据集中的新数据行插入新链接，一切都有意义，并且如果该信息尚未使用，则对其他元素(颜色、标签)进行其他更改.我将使用我制作的设置中的两个屏幕截图更加具体，左边是绘图，右边是代码:

以下数据示例按照上述逻辑生成下图:

数据样本3

data = [['Source','Target','Value','Color','Node, Label','Link Color'],
        [0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
        [0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
        [0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],
        [1,5,14,'#7FC241','Leave+Yes – 14','rgba(219, 233, 246, 0.5)'],
        [1,6,1,'#D3D3D3','Didn’t vote in at least one referendum – 21','rgba(73, 148, 206, 1)']]

屏幕截图 1 - 数据样本 3 的部分图

enter image description here

问题:

在数据集中添加行 [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'] 会产生一个新的源 [5] 和目标 [7] 之间的链接，但同时将颜色和标签应用于目标 5。我认为下一个应用于图表的标签是 'Remain+Yes – 21'，因为它还没有被使用过。但这里发生的是标签 '46 – No' 应用于目标 5。为什么？

屏幕截图 2 - 数据样本 3 的部分图 + [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246, 0.5)'] :

enter image description here

您如何根据该数据框辨别什么是源，什么是目标？

我知道这个问题既奇怪又难以回答，但我希望有人能提出建议。我也知道数据框可能不是桑基图的最佳来源。也许 json 代替？

用于 Jupyter Notebook 的简单复制和粘贴的完整代码和数据示例:

import pandas as pd
import numpy as np
import plotly.graph_objs as go
from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
init_notebook_mode(connected=True)

# Original data
data = [['Source','Target','Value','Color','Node, Label','Link Color'],
    [0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
    [0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
    [0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],
    [1,5,14,'#7FC241','Leave+Yes – 14','rgba(219, 233, 246, 0.5)'],
    [1,6,1,'#D3D3D3','Didn’t vote in at least one referendum – 21','rgba(73, 148, 206, 1)'],
    [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'],
    [2,5,3,'#449E9E','39 – Yes','rgba(250, 188, 19, 1)'],
    [2,6,17,'#D3D3D3','14 – Don’t know / would not vote','rgba(250, 188, 19, 0.5)'],
    [2,7,2,'','','rgba(250, 188, 19, 0.5)'],
    [3,5,3,'','','rgba(127, 194, 65, 1)'],
    [3,6,9,'','','rgba(127, 194, 65, 0.5)'],
    [3,7,2,'','','rgba(127, 194, 65, 0.5)'],
    [4,5,5,'','','rgba(211, 211, 211, 0.5)'],
    [4,6,9,'','','rgba(211, 211, 211, 0.5)'],
    [4,7,8,'','','rgba(211, 211, 211, 0.5)']
    ]



headers = data.pop(0)
df = pd.DataFrame(data, columns = headers)
scottish_df = df

data_trace = dict(
    type='sankey',
    domain = dict(
      x =  [0,1],
      y =  [0,1]
    ),
    orientation = "h",
    valueformat = ".0f",
    node = dict(
      pad = 10,
      thickness = 30,
      line = dict(
        color = "black",
        width = 0
      ),
      label =  scottish_df['Node, Label'].dropna(axis=0, how='any'),
      color = scottish_df['Color']
    ),
    link = dict(
      source = scottish_df['Source'].dropna(axis=0, how='any'),
      target = scottish_df['Target'].dropna(axis=0, how='any'),
      value = scottish_df['Value'].dropna(axis=0, how='any'),
      color = scottish_df['Link Color'].dropna(axis=0, how='any'),
  )
)

layout =  dict(
    title = "Scottish Referendum Voters who now want Independence",
    height = 772,
    font = dict(
      size = 10
    ),    
)

fig = dict(data=[data_trace], layout=layout)
iplot(fig, validate=False)

最佳答案

这个问题看起来真的很奇怪，但前提是你会分析 plotly 中的桑基图是如何创建的:

当你创建桑基图时，你发送给它:

  1. 节点列表
  2. 链接列表

这些列表彼此有界。当您创建 5 长度的节点列表时，任何边缘都将在其开始和结束时知道 0,1,2,3,4。在您的程序中，您错误地创建了节点 - 您创建了链接列表，然后遍历它并创建了节点。看你的图表。它有两个黑色节点，里面有 undefined。你的数据集的长度是多少...是的，5。您的节点索引以 4 结尾，并且没有真正定义目标节点。您将第六个列表添加到您的数据集中 - 宾果游戏! - 有 nodes[5] 存在!只需尝试在您的数据集中添加另一条新行:

[1,7,1,'#FF0000','WAKA','rgba(219, 233, 246,0.5)']

你会看到另一个黑色条变成了红色。您有五个节点(因为您有 5 个链接，并且您通过迭代链接列表来创建节点)，但是链接目标索引是 5,6,7。您可以通过两种方式修复它:

  1. 将数据集中的 Target 更改为 2,3,4
  2. 分别创建节点和链接(正确的方式)

我希望我能帮助你解决你的问题和理解 plotly 创作(IMO 更重要的是什么)。

编辑:这里是创建单独节点/链接的示例(请注意 data_trace 中的 node 部分仅使用 nodes_df数据，data_trace中的link部分仅使用links_df数据和nodes_df和links_df长度不相等):

import pandas as pd
import numpy as np
import plotly.graph_objs as go
from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
init_notebook_mode(connected=True)

nodes = [
    ['ID', 'Label', 'Color'],
    [0,'Remain+No – 28','#F27420'],
    [1,'Leave+No – 16','#4994CE'],
    [2,'Remain+Yes – 21','#FABC13'],
    [3,'Leave+Yes – 14','#7FC241'],
    [4,'Didn’t vote in at least one referendum – 21','#D3D3D3'],
    [5,'46 – No','#8A5988']
]
links = [
    ['Source','Target','Value','Link Color'],
    [0,3,20,'rgba(253, 227, 212, 0.5)'],
    [0,4,3,'rgba(242, 116, 32, 1)'],
    [0,2,5,'rgba(253, 227, 212, 0.5)'],
    [1,5,14,'rgba(219, 233, 246, 0.5)'],
    [1,3,1,'rgba(73, 148, 206, 1)'],
    [1,4,1,'rgba(219, 233, 246,0.5)'],
    [1,2,10,'rgba(8, 233, 246,0.5)'],
    [1,3,5,'rgba(219, 77, 246,0.5)'],
    [1,5,12,'rgba(219, 4, 246,0.5)']
]

nodes_headers = nodes.pop(0)
nodes_df = pd.DataFrame(nodes, columns = nodes_headers)
links_headers = links.pop(0)
links_df = pd.DataFrame(links, columns = links_headers)

data_trace = dict(
    type='sankey',
    domain = dict(
      x =  [0,1],
      y =  [0,1]
    ),
    orientation = "h",
    valueformat = ".0f",
    node = dict(
      pad = 10,
      thickness = 30,
      line = dict(
        color = "black",
        width = 0
      ),
      label =  nodes_df['Label'].dropna(axis=0, how='any'),
      color = nodes_df['Color']
    ),
    link = dict(
      source = links_df['Source'].dropna(axis=0, how='any'),
      target = links_df['Target'].dropna(axis=0, how='any'),
      value = links_df['Value'].dropna(axis=0, how='any'),
      color = links_df['Link Color'].dropna(axis=0, how='any'),
  )
)

layout =  dict(
    title = "Scottish Referendum Voters who now want Independence",
    height = 772,
    font = dict(
      size = 10
    ),    
)

fig = dict(data=[data_trace], layout=layout)
iplot(fig, validate=False)

编辑 2:让我们更深入地探讨 :) 桑基图中的节点和链接几乎完全独立。限制它们的唯一信息 - 链接中源目标中的索引。所以我们可以为它们创建很多节点但没有链接(只需用它替换 Edit1 代码中的节点/链接):

nodes = [
    ['ID', 'Label', 'Color'],
    [0,'Remain+No – 28','#F27420'],
    [1,'Leave+No – 16','#4994CE'],
    [2,'Remain+Yes – 21','#FABC13'],
    [3,'Leave+Yes – 14','#7FC241'],
    [4,'Didn’t vote in at least one referendum – 21','#D3D3D3'],
    [5,'46 – No','#8A5988'],
    [6,'WAKA1','#8A5988'],
    [7,'WAKA2','#8A5988'],
    [8,'WAKA3','#8A5988'],
    [9,'WAKA4','#8A5988'],
    [10,'WAKA5','#8A5988'],
    [11,'WAKA6','#8A5988'],

]
links = [
    ['Source','Target','Value','Link Color'],
    [0,3,20,'rgba(253, 227, 212, 0.5)'],
    [0,4,3,'rgba(242, 116, 32, 1)'],
    [0,2,5,'rgba(253, 227, 212, 0.5)'],
    [1,5,14,'rgba(219, 233, 246, 0.5)'],
    [1,3,1,'rgba(73, 148, 206, 1)'],
    [1,4,1,'rgba(219, 233, 246,0.5)'],
    [1,2,10,'rgba(8, 233, 246,0.5)'],
    [1,3,5,'rgba(219, 77, 246,0.5)'],
    [1,5,12,'rgba(219, 4, 246,0.5)']
]

并且这些节点不会出现在图中。

我们可以只创建没有节点的链接:

nodes = [
    ['ID', 'Label', 'Color'],
]
links = [
    ['Source','Target','Value','Link Color'],
    [0,3,20,'rgba(253, 227, 212, 0.5)'],
    [0,4,3,'rgba(242, 116, 32, 1)'],
    [0,2,5,'rgba(253, 227, 212, 0.5)'],
    [1,5,14,'rgba(219, 233, 246, 0.5)'],
    [1,3,1,'rgba(73, 148, 206, 1)'],
    [1,4,1,'rgba(219, 233, 246,0.5)'],
    [1,2,10,'rgba(8, 233, 246,0.5)'],
    [1,3,5,'rgba(219, 77, 246,0.5)'],
    [1,5,12,'rgba(219, 4, 246,0.5)']
]

我们将只有从无处到无处的链接。

如果你想添加一个带有链接的新源(1)，你应该在nodes中添加一个新列表，计算它的索引(这就是为什么我有ID 列)并在 links 中添加一个新列表，其中 Source 等于节点索引。

如果您想为现有节点添加(2) 新目标 - 只需在links 中添加一个新列表并写入其Source和 Target 正确:

    [1,100500,10,'rgba(219, 233, 246,0.5)'],
    [1,100501,10,'rgba(8, 233, 246,0.5)'],
    [1,100502,10,'rgba(219, 77, 246,0.5)'],
    [1,100503,10,'rgba(219, 4, 246,0.5)']

(这里我为 4 个新目标创建了 4 个新链接。源是索引为 1 的节点)。

(3+4):桑基图不区分源和目标。所有这些都只是 Sankey 的节点。每个节点既可以是源也可以是目标。看看它:

nodes = [
    ['ID', 'Label', 'Color'],
    [0,'WAKA WANNA BE SOURCE','#F27420'],
    [1,'WAKA WANNA BE TARGET','#4994CE'],
    [2,'WAKA DON\'T KNOW WHO WANNA BE','#FABC13'],

]
links = [
    ['Source','Target','Value','Link Color'],
    [0,1,10,'rgba(253, 227, 212, 1)'],
    [0,2,10,'rgba(242, 116, 32, 1)'],
    [2,1,10,'rgba(253, 227, 212, 1)'],
]

在这里，您将看到 3 列桑基图。 0 节点是源，1 是目标，2 节点是 1 的源，并且2 的目标。

关于python - Plotly:如何使用 Pandas 数据框定义桑基图的结构？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/55301343/

上一篇：python - 分块处理大文件 : inconsistent seek with readline

下一篇：python - 递归组合字典

相关文章：

python - 将快速串行数据写入文件(csv 或 txt)

python - 代码有效，但在方法内部插入时无效

python - 如何在 Jupyter Notebook 中创建模块并导入它们？ Python

python - Jupyter 中 Pandas 自动补全的问题

python - Tensorflow Eager 模式 : First execution on GPU slow

python - 转换数据框 - Python

python - keras model.evaluate() 不显示损失

python - 如果重复列值在另一列中具有相同的值，则只保留第一次出现的重复列值

python - 需要在 python 中比较 1.5GB 左右的非常大的文件

python - 从字典中选择值以创建新的 DataFrame 列

©2024 IT工具网  联系我们