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(shù)據(jù)結(jié)構(gòu)：父類→子類→值

從父類到子類，每相鄰的兩個(gè)分類變量都需要計(jì)算，使用 Pandas 中數(shù)據(jù)透視表，計(jì)算后的數(shù)據(jù)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(jié)點(diǎn)數(shù)據(jù)

需要把所有涉及到的節(jié)點(diǎn)去重規(guī)整在一起。列表內(nèi)嵌套字典的形式去重匯總。

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

組織數(shù)據(jù)：定義節(jié)點(diǎn)和流量

數(shù)據(jù)從哪里流向哪里，流量（值）是多少，循環(huán)+字典來(lái)組織數(shù)據(jù)

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

數(shù)據(jù)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="?；鶊D"))
    .render("/Users/wangwangyuqing/Desktop/image.html")
)

?；鶊D是分析用戶路徑的有效方法之一，能非常直觀地展現(xiàn)用戶旅程，幫助我們進(jìn)一步確定轉(zhuǎn)化漏斗中的關(guān)鍵步驟，發(fā)現(xiàn)用戶的

流失點(diǎn)，找到有價(jià)值的用戶群體，看用戶主要流向了哪里，發(fā)現(xiàn)用戶的興趣點(diǎn)以及被忽略的產(chǎn)品價(jià)值，尋找新的機(jī)會(huì)。