如何使用Python的Plotly库绘制弦图或桑基图做关联分析？

依赖安装 #

首先安装需要的工具库：

pip install pandas plotly

1 数据预处理 #

先加载你的数据并计算字段两两共现的ID数量：

import pandas as pd
import plotly.graph_objects as go

# 替换为你的真实数据
df = pd.DataFrame({
    'ID': [1,2,3,4],
    'ant_mi': ['Yes', 'No', 'No', 'Yes'],
    'inf_mi': ['No', 'No', 'No', 'Yes'],
    'lat_mi': ['Yes', 'No', 'Yes', 'No'],
    'post_mi': ['No', 'No', 'Yes', 'No']
})

# 提取要统计的字段列
feature_cols = ['ant_mi', 'inf_mi', 'lat_mi', 'post_mi']
# 初始化共现矩阵
co_matrix = pd.DataFrame(0, index=feature_cols, columns=feature_cols)

# 遍历每个ID统计共现
for _, row in df.iterrows():
    # 筛选当前ID取值为Yes的字段
    yes_features = [col for col in feature_cols if row[col] == 'Yes']
    # 两两配对计数
    for i in range(len(yes_features)):
        for j in range(i+1, len(yes_features)):
            a, b = yes_features[i], yes_features[j]
            co_matrix.loc[a, b] += 1
            co_matrix.loc[b, a] += 1

2 绘制桑基图（推荐） #

Plotly原生支持桑基图，无需额外配置，可视化效果直观，鼠标悬停在连接线上即可查看两个字段的共现ID数量：

# 构造节点和连接数据
node_labels = feature_cols
source_list = []
target_list = []
value_list = []

for i, source in enumerate(node_labels):
    for j, target in enumerate(node_labels):
        if i < j and co_matrix.loc[source, target] > 0:
            source_list.append(i)
            target_list.append(j)
            value_list.append(co_matrix.loc[source, target])

# 生成桑基图
fig = go.Figure(data=[go.Sankey(
    node = dict(
        pad = 20,
        thickness = 25,
        line = dict(color = "#333", width = 0.5),
        label = node_labels
    ),
    link = dict(
        source = source_list,
        target = target_list,
        value = value_list
    )
)])

fig.update_layout(title = "多字段Yes共现桑基图", font_size = 13)
fig.show()

3 绘制弦图 #

如果需要弦图形式的展示，可以使用plotly的figure_factory模块实现：

import plotly.figure_factory as ff

matrix = co_matrix.values.tolist()
fig = ff.create_chord(matrix, node_labels)
fig.update_layout(title = "多字段Yes共现弦图")
fig.show()

注意：如果调用create_chord报错，可升级plotly到最新版本，或优先使用桑基图方案。

内容的提问来源于stack exchange，提问作者Nemra Khalil