python可视化动态图表: 关于pyecharts的sankey桑基图绘制

梦里梦外; 2021-12-22 03:15 517阅读 0赞

最近因工作原因，需要处理一些数据，顺便学习一下动态图表的绘制。本质是使具有源头的流动信息能够准确找到其上下级关系和流向。

数据来源是csv文件 导入成为dataframe之后,列为其车辆的各部件供应商公司名称或其自身的属性。

导入后经过处理期望是看到整个工业的供应链和市场份额.

先上代码:

![ContractedBlock.gif][] ![ExpandedBlockStart.gif][]

# 数据架构 总领数据架构-品牌-车辆用途-
    import matplotlib.pyplot as plt
    from pyecharts import Pie,Bar,Page,Bar3D,Overlap,Line,Boxplot,Surface3D,Sankey,EffectScatter
    import pandas as pd
    import numpy as np
    df=pd.read_excel(r'C:\Users\wenzhe.tian\Desktop\数据分析\北理新能源数据v2\02_20190301\2EV_v2.xlsx','Sheet1')
    df_ori=df.copy()
    #数据处理部分 添加项目，替换重复 格式统一 去掉空格 等
    df=df[df.技术类型.str.contains('EV',regex=False)]
    df=df.reset_index()
    df=df.drop('index',axis=1)
    
    #数据格式处理
    df['车型分类']=df['车型分类'].fillna('nan')
    df=df[~df['车型分类'].isin(['nan'])] # 江淮ES8供应商数据大量缺失,故排除 也可drop
    df['电动汽车续驶里程（工况法，km）']=df['电动汽车续驶里程（工况法，km）'].fillna(0)
    df['车辆品牌']=df['车辆品牌'].map(str).replace('传祺（Trumpchi）牌','传祺(Trumpchi)牌')
    df['通用名称'][df['电动汽车续驶里程（工况法，km）']==0]='ES8'
    df['电动汽车续驶里程（工况法，km）'][df['电动汽车续驶里程（工况法，km）']==0]=355
    df['电动汽车续驶里程（工况法，km）'][df['电动汽车续驶里程（工况法，km）']=='155(对应整备质量750kg),165(对应整备质量700kg)']=165
    df['电动汽车续驶里程（工况法，km）'][df['电动汽车续驶里程（工况法，km）']==170203203]=255
    df['电动汽车续驶里程（工况法，km）']=df['电动汽车续驶里程（工况法，km）'].fillna(0)
    df['最高车速']=df['最高车速'].astype(int)
    df['电动汽车续驶里程（工况法，km）']=df['电动汽车续驶里程（工况法，km）'].astype(int)
    df['最高车速段']=df['最高车速'].astype(str)
    df['续驶里程段']=df['电动汽车续驶里程（工况法，km）'].astype(str)
    
    #df['电池能量密度']=df['电池容量']*df['储能装置总成标称电压（V）']/df['储能装置总成质量（kg）']
    
    
    df['整备质量（kg)'][(df['整备质量（kg)'].isnull()) | (df["整备质量（kg)"].apply(lambda x: str(x).isspace()))]=2390
    # 去掉前后空格
    title=list(df)
    df['储能装置单体质量（kg）']=df['储能装置单体质量（kg）'].astype(str)
    for i in title:
        try:
            df[i]=df[i].map(str.strip)
        except:
            continue
    
    #重复值处理        
    df=df.replace('比亚迪汽车工业有限公司,比亚迪汽车工业有限公司', '比亚迪汽车工业有限公司')
    df=df.replace('比亚迪汽车工业有限公司/比亚迪汽车工业有限公司', '比亚迪汽车工业有限公司')
    df=df.replace('山东德洋电子科技有限公司,山东德洋电子科技有限公司', '山东德洋电子科技有限公司')
    df=df.replace('深圳市大地和电气股份有限公司(软件)/深圳市大地和电气股份有限公司(硬件)', '大地和电气')
    df['最高车速段'][(df['最高车速']<=180)]='<180km/h'
    df['最高车速段'][((df['最高车速']<=200)& (df['最高车速']>180))]='180-200km/h'
    df['最高车速段'][(df['最高车速']>200)]='>200km/h'
    
    df['续驶里程段'][(df['电动汽车续驶里程（工况法，km）']<=60)]='<60km'
    df['续驶里程段'][((df['电动汽车续驶里程（工况法，km）']<=80)& (df['电动汽车续驶里程（工况法，km）']>60))]='60-80km'
    df['续驶里程段'][(df['电动汽车续驶里程（工况法，km）']>80)]='>80km'
    title=['最高车速段','续驶里程段','车辆用途','企业名称','车型分类','车辆品牌',
           '电机生产商','电动汽车整车控制器生产企业','电动汽车车载充电机生产企业','储能装置总成生产企业','车载能源管理系统生产企业']
    
    #无效值处理  
    for i in title:
        df[i]=df[i].astype(str)
        df[i]=df[i].map(lambda x: x.replace('有限公司','').replace('股份','').replace('公司','').replace('分','').replace(' Company','').replace(' company','').replace('牌','品牌').replace('北京新能源汽车','北汽新能源'))
        df[i]=df[i].map(lambda x: x.replace('浙江','').replace('山东','').replace('广州汽车集团乘用车','广汽').replace('杭州','').replace('江西','').replace('合肥',''))
        df[i]=df[i].map(lambda x: x.replace('深圳市','').replace('永康市','').replace('珠海','').replace('郑州','').replace('软件:','').replace('硬件:','').replace('北京:','').replace('长沙市','').replace('金华市',''))
        df[i]=df[i].map(lambda x: x.replace('nan','北汽新能源').replace('（','(').replace('）',')').replace('()','').replace('/深圳市大地和电气','').replace('开发企业','').replace('生产企业','').replace('福建省汽车工业集团云度新能源汽车','云度新能源'))
        df[i]=df[i].map(lambda x: x.replace('电机1:华域汽车电动系统/电机2:华域汽车电动系统','华域汽车电动系统').replace('前:蔚然(南京)动力科技/后:蔚然(南京)动力科技','蔚然(南京)动力科技'))
        if i =='最高车速段':
            str_item='最高车速'
        elif i =='续驶里程段':
            str_item='续航里程'
        elif i =='电机生产商':
            str_item='MOT'        
        elif i =='电动汽车整车控制器生产企业':
            str_item='MC'
        elif i =='电动汽车车载充电机生产企业':
            str_item='OBC'
        elif i =='储能装置总成生产企业':
            str_item='BAT'
        elif i =='车载能源管理系统生产企业':
            str_item='BMS'
        else:
            str_item=''
            
        df[i]=df[i].map(lambda x: str_item+x)  
        
    
    class_item={}
    for i in title:
        class_item[i]=df[i].drop_duplicates()
    
        
    node=[]
    for i in title:    
        for j in list(class_item[i]):
            node.append({
          'name':j})
    # link 数据架构
    link=[]
    for i in range(len(title)):
        temp0=list(class_item)
        for j in list(class_item[temp0[i]]):
            try:
                for k in list(class_item[temp0[i+1]]):
                    df1=df[df[temp0[i]]==j]
                    df2=df1[df1[temp0[i+1]]==k]
                    temp_value=len(df2)
                    if temp_value!=0:
                        link.append({
          'source':j,
                                     'target':k,
                                     'value':temp_value})
                        del df1
                        del df2
            except:
                continue
                        
    
    sankey = Sankey("EV供应商链统计",width=6000, height=700)
    sankey.use_theme('roma') #roma wonderland
    sankey.add(
        "EV供应商统计",
        node,
        link,
        line_opacity=0.2,
        line_curve=0.3,
        line_color='source',
        sankey_node_gap=13,
        is_label_show=True,
        label_pos="right",
        is_legend_show =False,
        label_text_size=11
    )
    sankey.render('EV供应商统计_All.html')
    del sankey
    
    sankey = Sankey("EV供应商链统计",width=6000, height=1500)
    sankey.use_theme('roma') #roma wonderland
    sankey.add(
        "EV供应商统计",
        node,
        link,
        line_opacity=0.2,
        line_curve=0.3,
    #    line_color='source',
        sankey_node_gap=13,
        is_label_show=True,
        label_pos="right",
        is_legend_show =False,
        label_text_size=12
    )
    sankey.render('EV供应商统计_All_v2.html')

部分截图:

![1678975-20190528132235933-963136392.png][]

(之前是用plotly，后来发现pyecharts接口稍微简单些，其实都差不多，但plotyly可以一些特殊地图绘制比pyecharts来的精细，所以看绘图需求吧)

附上链接:[https://plot.ly/python/ ][https_plot.ly_python_] [https://pyecharts.org/\#/zh-cn/intro][https_pyecharts.org_zh-cn_intro] 用于查阅需要绘制的图的种类

[ ][https_pyecharts.org_zh-cn_intro]

转载于:https://www.cnblogs.com/techs-wenzhe/p/10931691.html

[ContractedBlock.gif]: https://images.cnblogs.com/OutliningIndicators/ContractedBlock.gif
[ExpandedBlockStart.gif]: /images/20211220/bd44f83c5d8c48af9aae5a365610a9f9.png
[1678975-20190528132235933-963136392.png]: /images/20211220/5e434ad10e0a4080a68ef464752bf92e.png
[https_plot.ly_python_]: https://plot.ly/python/
[https_pyecharts.org_zh-cn_intro]: https://pyecharts.org/#/zh-cn/intro