数据分析中什么是长城图

程, 沐沐评论

长城图（Sankey Diagram）是一种数据可视化图表，其主要用途是显示数据的流向和量级关系。它通过连接节点和流量的宽度来展示数据的路径，常用于展示复杂的数据流程、资源分配、能量传递等。

长城图通常由两个不同类型的节点组成：源节点和目标节点。源节点表示数据的起始点，目标节点则表示数据的结束点，连接这两类节点的流量线则表示数据的流向和量级大小。通过流量线的宽度和颜色，可以直观地展示不同节点之间的关系和数据流动的趋势。

长城图的设计简洁直观，能够帮助人们快速理解数据之间的关系，发现潜在的模式和规律。在数据分析领域，长城图通常用于展示复杂系统中的数据流向，如客户购买路径、物流运输流程、能源利用情况等。通过长城图，用户可以更深入地了解数据之间的联系，做出更准确的决策和分析。

总的来说，长城图是一种强大的数据可视化工具，能够帮助人们更好地理解数据、发现规律、做出决策。在数据分析中，长城图常常被用来呈现复杂的数据关系，为数据专业人士提供清晰直观的展示方式。

2年前 0条评论

飞翔的猪评论

长城图（Sankey diagram）是一种数据可视化图表，用于展示流量、能量、资源等在不同阶段之间的流动和转换关系。长城图的特点是能够直观地展示复杂系统中不同部分之间的关联和变化。

结构清晰：长城图采用流线的方式展示数据流动，通过线的粗细、颜色深浅等表达数据的大小和比例，从而使得复杂的数据关系变得清晰易懂。
层次分明：长城图通常由多个节点和连接线组成，每个节点代表一个阶段或者类别，连接线代表流量或者关联关系。这种层次化的结构可以帮助人们更好地理解数据之间的流向和转化过程。
多维度展示：长城图可以展示多个不同维度的数据，比如时间、地域、类别等，通过节点和连接线的不同排列组合，展现不同维度之间的关系。这种多维度展示能够帮助人们全面理解数据背后的信息。
跨学科应用：长城图在信息可视化中被广泛应用，可以用于描述能源流动、组织结构、市场营销、财务分析等各种领域。由于其直观明了的特点，长城图在跨学科领域中都有所应用。
分析决策：长城图可以帮助人们更好地分析数据、发现数据之间的关系，并从中得出结论和决策。通过长城图，可以发现数据流向中的瓶颈、异常和趋势，从而指导决策者做出正确的决策。

总而言之，长城图是一种直观、有效的数据可视化工具，可以帮助人们更好地理解复杂系统中的数据流动和关系，指导决策和实践行动。在数据分析中，长城图是一种常用的图表类型，具有重要的分析和可视化作用。

2年前 0条评论

小数评论

长城图（Chord Diagram）是一种数据可视化图表，用于展示不同实体之间的关系，如关键主题、联系人、组织、地理位置等。长城图以圆形的方式展示数据，通过弦线连接不同的数据节点，展示它们之间的关系以及数量关系。长城图可以有效地帮助用户理解大量的复杂数据，并快速识别模式和趋势。

长城图通常用于以下领域：

社交网络分析：展示不同用户之间的关系和互动频率。
生物信息学：展示基因、蛋白质和代谢产物之间的相互作用。
商业分析：展示不同产品、市场和客户之间的关系。

下面将详细介绍长城图的绘制方法和操作流程。

选择合适的工具和库

工具：常用的可视化工具包括Tableau、D3.js、Python中的Matplotlib、Seaborn等。
库：如果使用Python，常用的库包括Matplotlib、Seaborn、Plotly等。其中，Matplotlib和Seaborn可以绘制简单的长城图，而Plotly具有交互性更强的特点。

准备数据

数据格式：长城图的数据应该是一个矩阵，行列代表不同实体，交叉点的数值代表两个实体之间的联系强度。
数据清洗：确保数据不含有缺失值或异常值，并且格式正确。

绘制长城图

使用Matplotlib绘制长城图

import matplotlib.pyplot as plt
import numpy as np

# 创建数据
nodes = ['A', 'B', 'C', 'D', 'E']
data = np.array([[0, 10, 5, 15, 7],
                 [10, 0, 8, 7, 2],
                 [5, 8, 0, 6, 4],
                 [15, 7, 6, 0, 9],
                 [7, 2, 4, 9, 0]])

# 绘制长城图
fig, ax = plt.subplots()
ax.matshow(data, cmap='Blues')

for i in range(data.shape[0]):
    for j in range(data.shape[1]):
        ax.text(j, i, data[i, j], ha='center', va='center', color='black')

plt.xticks(range(len(nodes)), nodes)
plt.yticks(range(len(nodes)), nodes)

plt.show()

使用Seaborn绘制长城图

import seaborn as sns
import pandas as pd

# 创建数据
nodes = ['A', 'B', 'C', 'D', 'E']
data = np.array([[0, 10, 5, 15, 7],
                 [10, 0, 8, 7, 2],
                 [5, 8, 0, 6, 4],
                 [15, 7, 6, 0, 9],
                 [7, 2, 4, 9, 0]])

df = pd.DataFrame(data, index=nodes, columns=nodes)

# 绘制长城图
sns.heatmap(df, cmap='Blues', annot=True)
plt.show()