别再用干瘪的饼图了！用Python画桑基图，让数据流转“活”起来

做数据分析汇报时，咱们经常会遇到这样的头疼场景：想展示用户从注册到购买的流失路径，或者公司各部门的资金流向。用饼图吧，只能看个静态比例；用柱状图吧，又体现不出前后的承接关系。这时候，桑基图（Sankey Diagram）就该登场了。

桑基图就像是城市早晚高峰的地铁换乘路线图，线条的粗细代表流量的大小，线条的走向代表数据的流转。它不仅能让你看清“有多少”，更能直观展示“从哪来、到哪去、在哪分叉”。

搞懂了概念，咱们直接拿一个真实的业务场景来上手实战。假设我们要分析某电商平台的用户行为路径，看看用户从“首页”进入后，最终是完成了“购买”，还是在“购物车”、“详情页”等环节流失了。

在Python中，绘制交互式桑基图最顺手的工具是 pyecharts。它底层基于Echarts，生成的图表不仅颜值高，还支持鼠标悬停查看具体数值。

安装第三方库是第一步，打开终端运行 pip install pyecharts 即可。

接下来是核心环节，很多新手会在这里卡壳。桑基图的数据结构不像折线图那样直接扔个DataFrame进去就行，它需要严格区分节点（Nodes） 和连线（Links）。

构建节点数据（Nodes），其实就是把数据流转中涉及的所有“站点”提取出来，去重后变成一个字典列表。

nodes = [{'name': '首页'}, {'name': '详情页'}, {'name': '购物车'}, {'name': '购买'}, {'name': '流失'}]

构建连线数据（Links），则是定义节点之间的流向和流量大小。这里的 source 是起点，target 是终点，value 是流转的用户量。

links = [
    {'source': '首页', 'target': '详情页', 'value': 800},
    {'source': '首页', 'target': '流失', 'value': 200},
    {'source': '详情页', 'target': '购物车', 'value': 500},
    {'source': '详情页', 'target': '流失', 'value': 300},
    {'source': '购物车', 'target': '购买', 'value': 350},
    {'source': '购物车', 'target': '流失', 'value': 150}
]

数据理顺后，就是渲染并输出图表。通过 Sankey() 类将数据喂进去，稍微调整一下配色和提示框，一张专业的业务流转图就生成了。

from pyecharts import options as opts
from pyecharts.charts import Sankey

sankey = (
    Sankey()
    .add(
        "",
        nodes,
        links,
        linestyle_opt=opts.LineStyleOpts(opacity=0.3, curve=0.5, color="source"),
        label_opts=opts.LabelOpts(position="right"),
    )
    .set_global_opts(title_opts=opts.TitleOpts(title="电商用户行为流转图"))
    .render("user_flow.html")
)

图表画出来了，但想在实际项目中做得漂亮且专业，还得注意几个容易踩坑的细节。

节点名称必须绝对一致。在构建Links时，source 和 target 里的字符串必须和Nodes里的名称一模一样，连一个多余的空格都不能有。否则图表会直接报错或者出现断线，排查起来非常折磨人。建议在处理数据时，提前用 strip() 清洗一下字符串。

克制节点数量。桑基图虽然强大，但如果节点和连线太多，图表就会变成一团乱麻的“蜘蛛网”，完全失去可读性。遇到复杂的业务场景，建议合并同类项，或者只提取流量占比 Top 80% 的核心路径进行展示，把长尾数据折叠成一个“其他”节点。

巧用颜色映射。默认情况下，桑基图的连线颜色是跟随源节点的。如果业务上需要强调“流失”这种负面路径，可以通过自定义 itemstyle_opts，把流向“流失”节点的线条统一设置为灰色或警示色，让汇报时的视觉焦点更集中。

数据可视化的本质不是为了炫技，而是为了降低沟通成本。当你下次再面对复杂的转化漏斗或资源分配问题时，不妨放下干瘪的饼图，用桑基图让数据的流转真正“活”起来。理清了数据的来龙去脉，业务优化的方向自然也就浮出水面了。