一、引言
在数据可视化领域，除了常见的折线图、柱状图和散点图，还有一些高级图表类型可以帮助我们更直观地展示复杂数据关系。本文将介绍五种扩展图表：和弦图、旭日图、六边形箱图、桑基图和主题流图。这些图表在展示数据关系、层次结构和流量分布方面具有独特的优势。资源绑定附上完整资料供读者参考学习！
二、和弦图
2.1 什么是和弦图？
和弦图（Chord Diagram）是一种用于展示矩阵数据的可视化工具，通常用于展示不同节点之间的关系强度。它通过弧线连接节点，弧线的宽度表示关系的强度。
2.2 示例代码
import plotly.graph_objects as go
# 创建数据
nodes = ['A', 'B', 'C', 'D', 'E']
matrix = [[0, 10, 5, 3, 2],
[10, 0, 8, 4, 1],
[5, 8, 0, 6, 7],
[3, 4, 6, 0, 9],
[2, 1, 7, 9, 0]]
# 创建和弦图
fig = go.Figure(data=go.Sankey(
node=dict(
pad=15,
thickness=20,
line=dict(color="black", width=0.5),
label=nodes,
color="blue"
),
link=dict(
source=[0, 0, 0, 0, 1, 1, 1, 1, 2, 2, 2, 2, 3, 3, 3, 3, 4, 4, 4, 4],
target=[1, 2, 3, 4, 0, 2, 3, 4, 0, 1, 3, 4, 0, 1, 2, 4, 0, 1, 2, 3],
value=[10, 5, 3, 2, 10, 8, 4, 1, 5, 8, 6, 7, 3, 4, 6, 9, 2, 1, 7, 9]
)
))
# 显示图表
fig.show()
2.3 说明
节点和矩阵：节点是图中的实体，矩阵表示节点之间的关系强度。
颜色映射：使用
cmap和edge_cmap设置颜色映射。
三、旭日图
3.1 什么是旭日图？
旭日图（Sunburst Chart）是一种层次结构可视化工具，用于展示层次数据。它通过环形扇区展示数据的层次关系，每个扇区的大小表示数据的值。
3.2 示例代码
import matplotlib.pyplot as plt
import numpy as np
import plotly.express as px
# 创建数据
data = dict(
character=["Eve", "Cain", "Seth", "Enos", "Noam", "Abel", "Awan", "Enoch", "Azura"],
parent=["", "Eve", "Eve", "Seth", "Seth", "Eve", "Eve", "Awan", "Eve"],
value=[10, 14, 12, 10, 2, 6, 6, 4, 4]
)
# 创建旭日图
fig = px.sunburst(
data,
names='character',
parents='parent',
values='value',
title='旭日图示例'
)
# 显示图表
fig.show()
3.3 说明
层次数据：通过
names和parents参数定义层次关系。值：通过
values参数设置每个节点的大小。
四、六边形箱图
4.1 什么是六边形箱图？
六边形箱图（Hexbin Plot）是一种用于展示二维数据密度的图表。它将数据点划分到六边形网格中，并通过颜色深浅表示密度。
4.2 示例代码
import matplotlib.pyplot as plt
import numpy as np
import seaborn as sns
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
# 创建数据
x = np.random.normal(0, 1, 1000)
y = np.random.normal(0, 1, 1000)
# 创建六边形箱图
plt.figure(figsize=(10, 8))
plt.hexbin(x, y, gridsize=30, cmap="mako")
plt.title('六边形箱图示例')
plt.xlabel('X轴')
plt.ylabel('Y轴')
plt.colorbar(label='密度')
plt.show()
4.3 说明
数据分布：使用
histplot函数创建六边形箱图。颜色映射：通过
cmap参数设置颜色映射。
五、桑基图
5.1 什么是桑基图？
桑基图（Sankey Diagram）是一种用于展示流量或转移的图表。它通过带状连接展示不同节点之间的流量大小。
5.2 示例代码
import plotly.graph_objects as go
labels = ["Coal", "Solar", "Wind", "Nuclear", "Residential", "Industrial", "Commercial"]
source = [0, 1, 2, 3, 0, 1, 2, 3]
target = [4, 4, 4, 4, 5, 5, 5, 5]
value = [25, 10, 40, 20, 30, 15, 25, 35]
#Create the Sankey diagram object
fig = go.Figure(data=[go.Sankey(
node=dict(
pad=15,
thickness=20,
line=dict(color="black", width=0.5),
label=labels
),
link=dict(
source=source,
target=target,
value=value
))])
fig.update_layout(title_text="Energy Flow in Model City", font_size=12)
fig.show()
5.3 说明
节点和边：通过
source和target定义节点，value表示流量大小。颜色映射：使用
cmap设置颜色映射。
六、主题流图
6.1 什么是主题流图？
主题流图（Theme River）是一种用于展示时间序列数据的图表，通常用于展示多个主题随时间的变化趋势。
6.2 示例代码
import altair as alt
from vega_datasets import data
source = data.unemployment_across_industries.url
chart = alt.Chart(source).mark_area().encode(
alt.X('yearmonth(date):T',
axis=alt.Axis(format='%Y', domain=False, tickSize=0)
),
alt.Y('sum(count):Q', stack='center', axis=None),
alt.Color('series:N',
scale=alt.Scale(scheme='category20b')
)
).interactive()
# 保存为HTML文件
chart.save('unemployment_chart.html')
6.3 说明
时间序列：通过
stackplot函数创建主题流图。堆叠区域：每个主题的区域堆叠在一起，展示随时间的变化趋势。
七、总结
本文介绍了五种扩展可视化图表：和弦图、旭日图、六边形箱图、桑基图和主题流图。这些图表在展示复杂数据关系、层次结构和流量分布方面具有独特的优势。希望这些示例能够激发您的灵感，帮助您在实际项目中选择合适的图表类型。资源绑定附上完整资料供读者参考学习！
如果您有任何问题或建议，请随时在评论区留言！