如何基于患者就诊数据绘制符合需求的桑基图（Sankey Diagram）

数据预处理步骤 #

先把原始数据整理成桑基图所需的**节点（nodes）和流量链路（links）**格式：

1. 筛选首次就诊后的记录
   定位每个患者的首次就诊节点，仅保留后续就诊数据：

   import pandas as pd
   
   # 假设你的数据集存储在df中
   # 按患者分组，提取首次就诊次数
   first_visit = df.groupby('pat_id')['contactnummer'].min().reset_index(name='first_contact')
   # 合并后筛选首次就诊后的记录
   df_post_first = df.merge(first_visit, on='pat_id')
   df_post_first = df_post_first[df_post_first['contactnummer'] > df_post_first['first_contact']]
   

2. 整理流转链路与节点
   按需求将症状组合（Combo2）作为箭头、治疗方案（treatment）作为节点，统计每个症状到对应治疗的患者流量：

   # 统计症状-治疗组合的唯一患者数（避免同一患者多次就诊重复计数）
   flow_counts = df_post_first.groupby(['Combo2', 'treatment'])['pat_id'].nunique().reset_index(name='value')
   
   # 生成所有节点（症状组合+治疗方案）的索引映射
   all_nodes = pd.concat([flow_counts['Combo2'], flow_counts['treatment']]).unique()
   node_dict = {name: idx for idx, name in enumerate(all_nodes)}
   
   # 给每个症状组合分配专属颜色
   from plotly.colors import qualitative
   combo_colors = {combo: qualitative.D3[i % len(qualitative.D3)] for i, combo in enumerate(flow_counts['Combo2'].unique())}
   
   # 构建链路数据
   links = []
   for _, row in flow_counts.iterrows():
       links.append({
           'source': node_dict[row['Combo2']],
           'target': node_dict[row['treatment']],
           'value': row['value'],
           'color': combo_colors[row['Combo2']]
       })
   
   # 构建节点列表
   nodes = [{'label': name} for name in all_nodes]
   

绘制桑基图 #

用Plotly的Sankey组件实现可视化，区分箭头与节点颜色：

import plotly.graph_objects as go

fig = go.Figure(data=[go.Sankey(
    node = dict(
        pad = 15,
        thickness = 20,
        line = dict(color = "black", width = 0.5),
        label = [n['label'] for n in nodes],
        # 给治疗节点设置统一灰色，与症状节点区分
        color = ['#cccccc' if label in df_post_first['treatment'].unique() else combo_colors[label] for label in all_nodes]
    ),
    link = dict(
        source = [link['source'] for link in links],
        target = [link['target'] for link in links],
        value = [link['value'] for link in links],
        color = [link['color'] for link in links]
    )
)])

fig.update_layout(title_text="首次就诊后症状组合到治疗的流转路径", font_size=10)
fig.show()

关键调整说明 #

• 用nunique('pat_id')统计流量，确保数据反映真实的患者流转，而非就诊次数
• 箭头颜色绑定症状组合，治疗节点用统一灰色，完全匹配你“区分症状箭头与治疗节点”的需求
• 如果需要展示跨就诊的连续路径（如前一次治疗→后一次症状→后一次治疗），可修改预处理逻辑：按pat_id和contactnummer排序，将前一次的treatment作为源节点，当前Combo2作为中间节点，当前treatment作为目标节点，构建链式流转链路

内容的提问来源于stack exchange，提问作者RvS