R桑基图

参考1：流量结构分布图——桑基图（Sankey）

参考2：使用R画桑基图(流程图)

     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，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”。桑基图最明显的特征就是，始末端的分支宽度总和相等，即所有主支宽度的总和应与所有分出去的分支宽度的总和相等，保持能量的平衡。

    

     制作工具就有：JS库(D3、Ecgarts、highlight)、R、Python、PowerBI、Tableau、BDP个人版。

     在R里，有三个包可以绘制桑基图：
     library(riverplot)        
    library("d3Network")
    library(Networkd3)
    然而第一个包特色过于鲜明，第二个包对中文不太友好，所以个人偏向于第三个包。而在绘制桑基图中，我卡在了数据结构上。。。

     栗子：以分析用户购买行为为例绘制桑基图。假设有产品A/B/C三种，分析用户购买路径，第一次买了什么，第二次买了什么，第三次买了什么。源数据共21个用户，如下：
   

first	second	third	value
A	A	C	3
A	A		1
A	B	A	2
B	A	A	2
B	A		1
B	B	C	2
B	C	C	1
C	A	B	1
C	A		3
C	A	C	3
C	C	B	2

    说明：第一次购买A，第二次购买A，第三次购买C的用户有3个，以此类推。其中有流失用户，比如第二行的用户，在second->third过程中流失。

     根据参考1可知，桑基图的数据结构只有三列，起点、终点和权重，在源数据中有多少节点对，那么最终数据就有多少个三变量数据，并要将所有三变量数据表顺序进行列对齐合并。在我们的数据中有四列数据，first->second->third 以及最后一列权重值，其中有两个节点对（first->second，second->third）。因此我们需要把数据拆开，即：

起点	终点	权重
first	second	value1
second	third	value2

     因此，第一个三变量数据，总用户数为21，且没有流失用户：

first	second	value1
A	A	4
A	B	2
B	A	3
B	B	2
B	C	1
C	A	7
C	C	2

    在计算value值时，计算的是first->second的各个组合的用户总数，比如A->A，用户数为3+1 = 4

    第二个三变量数据，总用户数为21，其中流失用户5：

second	third	value2
A	C	3
A		5
B	A	2
A	A	2
B	C	2
C	C	1
A	B	1
A	C	3
C	B	2

     
    将两个数据纵向合：

s	t	v
A	A	4
A	B	2
B	A	3
B	B	2
B	C	1
C	A	7
C	C	2
A	C	3
A		5
B	A	2
A	A	2
B	C	2
C	C	1
A	B	1
A	C	3
C	B	2

     绘图：  

[plain]  view plain  copy

1. library(networkD3)  
2. a = read.csv("m.csv")  # a为合并之后的数据  
3.   
4. a$s = as.character(a$s)  # 导入数据的起点终点是factor类型，需要将其转为chr，否则之后unique的是因子水平，不能进行合并。  
5. a$t = as.character(a$t)  
6.   
7. Sankeylinks<-a  
8. Sankeynodes<-data.frame(name=unique(c(Sankeylinks$s,Sankeylinks$t)))    
9.   
10. Sankeynodes$index<-0:(nrow(Sankeynodes) - 1)  
11.   
12. Sankeylinks<-merge(Sankeylinks,Sankeynodes,by.x="s",by.y="name")  
13.   
14. Sankeylinks<-merge(Sankeylinks,Sankeynodes,by.x="t",by.y="name")  
15.   
16. Sankeydata<-Sankeylinks[,c(4,5,3)];  
17. names(Sankeydata)<-c("Source","Target","Value")  
18. Sankeyname<-Sankeynodes[,1,drop=FALSE]  
19.   
20.   
21. sankeyNetwork(Links=Sankeydata,Nodes=Sankeyname, Source ="Source",  
22.               Target = "Target", Value = "Value", NodeID = "name",  
23.                fontSize = 12, nodeWidth = 30)  

    结果图如下，都不知道是个什么东西。。。这是因为我们没有区分第一次、第二次、第三次，从而使得A->A变成从A出发又流向A本身。


     解决途径就是区分第一次、第二次、第三次购买产品的名称，比如第一次购买的产品名称都在产品后面加1。另外最右边灰色部分表示流失，如果数据把缺失行去掉就不会出现流失部分。最终用于绘图的数据如下：

s	t	v
A1	A2	4
A1	B2	2
B1	A2	3
B1	B2	2
B1	C2	1
C1	A2	7
C1	C2	2
A2	C3	3
B2	A3	2
A2	A3	2
B2	C3	2
C2	C3	1
A2	B3	1
A2	C3	3
C2	B3	2

     结果图如下：