Python用户转化路径桑基图绘制教程

本文手把手教你用Pyecharts绘制专业级用户转化路径桑基图，直击初学者最常踩的三大坑：数据结构误用（不能直接喂DataFrame，必须手动聚合出nodes节点列表和links链接列表）、节点顺序错乱导致流向颠倒或线条缠绕、中文显示方块及小流量路径不可见；通过排序+shift构建行为序列、严格按业务漏斗逻辑排列节点、定制中文字体与标签格式、合理归一化或设阈值保留关键低频路径等实操技巧，帮你轻松生成清晰、准确、美观的转化分析图——哪怕日志只有user_id、step和timestamp三列，也能快速落地。

Pyecharts Sankey 要求的数据结构必须是「节点列表 + 链接列表」，不能直接喂 Pandas DataFrame

很多人卡在第一步：把用户行为日志（比如 user_id, step, timestamp）丢进 Sankey 就报错。根本原因是 Sankey 不认原始行为序列，它只接受两个固定字段的列表：nodes（去重后的所有步骤名）和 links（每条边的 source/target/value）。你得自己聚合出每对相邻步骤之间的转化次数。

实操建议：

• 先用 pandas.DataFrame.sort_values(['user_id', 'timestamp']) 确保每个用户的行为按时间排好序
• 对每个 user_id 做 shift(1) 得到前一步，拼成 (prev_step, curr_step) 对
• 用 value_counts() 统计每对出现频次，再转成字典列表：[{'source': '首页', 'target': '商品页', 'value': 1247}]
• nodes 就是所有出现过的 prev_step 和 curr_step 并集，去重后按顺序生成索引（Sankey 内部靠索引匹配，不是靠字符串名）

节点顺序错乱会导致桑基图交叉、流向反向，必须显式控制 nodes 的排列顺序

Sankey 默认按输入 nodes 列表的下标画图，source 和 target 都映射到这个下标。如果 nodes = ['注册', '登录', '下单']，但某条 link 是 {'source': '登录', 'target': '注册'}，就会画出反向倒流线——实际只是因为“登录”在列表里排第1、“注册”排第0，数值上 1→0 被当成从右往左流。

所以必须按真实路径顺序组织 nodes，例如典型转化漏斗：['曝光', '点击', '加购', '下单', '支付']。哪怕某个环节数据为0，只要逻辑上存在，就该占位，否则后续索引全偏移。

常见错误现象：Sankey 图中出现大量斜穿、线条缠绕、甚至“支付 → 曝光”这种明显逆序边——八成是 nodes 顺序没对齐业务流程。

中文节点名显示方块或乱码？关键是设置 font_family 并禁用 label_opts 的 rich 格式

Pyecharts 默认字体不支持中文，且 Sankey 的 label_opts 若启用了 rich 文本（比如带颜色、对齐），会进一步触发字体 fallback 失败，最终节点名变方块。

解决方法很直接：

• 全局设置：在 Sankey().set_global_opts(title_opts=...) 之外，加一句 import pyecharts.options as opts，然后传 label_opts=opts.LabelOpts(font_family="Microsoft YaHei")
• 更稳妥的做法是关掉 rich：label_opts=opts.LabelOpts(is_show=True, font_family="SimSun", formatter="{b}")，其中 {b} 表示节点名，不套任何样式
• Windows 下推荐 "Microsoft YaHei" 或 "SimSun"；macOS 可试 "PingFang SC"；Linux 需提前确认系统中文字体路径并用 add_js_funcs 注入

流量值太小导致线条过细看不见？别调 node_gap，优先归一化或设最小阈值

Sankey 的线条宽度严格正比于 value，但原始转化数可能从几千到个位数。如果最小边只有 1 次，而最大边有 5000 次，那小边几乎不可见——这时调 node_gap 或 layout_iterations 没用，它们只影响布局间距和收敛速度。

真正有效的做法：

• 对 links 做阈值过滤：[link for link in links if link["value"] >= 5]，剔除噪声路径
• 或者做相对值转换：把每条边的 value 改成「占上游节点总出度的比例」，即 value / sum_out_degree[source]，再乘以 100 显示百分比（注意此时要同步调整 tooltip_formatter 显示原始数值）
• 避免用 value 做绝对计数+小数点后两位——Sankey 会把它当 0.01 处理，线条直接消失

节点层级越深、路径越长，越容易漏掉低频但关键的分支（比如“下单→投诉”这种异常流），过滤时得留个心眼，别一刀切。

以上就是《Python用户转化路径桑基图绘制教程》的详细内容，更多关于的资料请关注golang学习网公众号！