作者:伍正祥
来源:AI入门学习
今天教大家画一个图,桑基图,一个大大提高你的江湖地位的图。桑基图是一种流图,其实在前期文章中提到过,但是并没有讲细节的画法,现在教大家两种画法,一个是R语言(案例1、2、3),一个是直接在线画(案例4)。
案例1:你的工资是怎么霍霍的?
假如你月薪20000,你能拿到多少?最后花完还剩多少?可能比你想象的要少。一部分被国家拿走,当然国家并不是要你的钱,只是帮你存起来,等你长大了,不对,是老了会还给你的(此处我想起了压岁钱的故事),当然税收部分,那国家说了,强制征收,打死都不会给你的。国家的拿完了,然后扣除柴米油盐酱醋茶等一些列开支,你会发现,又回到了穷人的队伍。
以杭州为例,根据工资计算器,五险一金+所得税大约扣6000多,你能拿到13000多,为什么扣这么多,因为杭州公积金12%,所以欢迎大家来杭州发展。除掉五险一金,就是各项生活开支了,最后剩下不足4000了。说了这么多,数据怎么表达更直观,大部分网站都用二维饼图,在分类很多的情况下,饼图比较乱,其实桑基图会有更好的表现力,看具体的绘图步骤。
step1:数据准备,理清各类数据金额或者比例
step2:数据格式转换,宽格式的转换成3列,注意会汇总多一行或者多行
step3:可以把数字标签加到文本描述里面,准备好后,套用文末代码即可
工资是怎么样离你而去的
案例2:比赛数据样本量统计
比赛分为初赛和复赛,初赛复赛分别有训练集和测试集,在训练集中,有5个分类,存在各种交叉,用桑基图如下。
比赛数据样本量统计
案例3:手机各个渠道销售量统计
手机品牌商会在不同的渠道进行销售,不同渠道又会在不同的省份进行销售,用其他类型的图表表达都显得拥挤,但是桑基图恰到好处的表现出来了,可以在标签上加上各个渠道的占比。
某品牌手机各个渠道销售量统计
案例4:在线用Echart绘制桑基图
绘图思路及数据准备和上面一样,只要手动更改标签及数据,运行即可得到想要的图形,下面是原始的demo截图,非常简单。
案例5:其他作品欣赏(需要一些开发资源)
开头图代码:
URL <-'https://raw.githubusercontent.com/christophergandrud/d3Network/sankey/JSONdata/energy.json'
Energy <- jsonlite::fromJSON(URL)
sankeyNetwork(Links = Energy$links, Nodes = Energy$nodes, Source = "source", Target = "target", Value = "value",NodeID = "name",fontSize = 12, nodeWidth = 30)
案例123代码,只需要更换文件即可
library(networkD3)#安装并包加载,如果没有请安装
library(dplyr)
setwd("C:/Users/wuzhengxiang/Desktop/R语言可视化/Sankey")#文件的存储空间
sankey = read.csv("手机销售渠道统计.csv",header=T,stringsAsFactors = FALSE)#读取数据
Sankeynodes = data.frame(name = unique(c(sankey$Source,sankey$Target)))
Sankeynodes$index = 0:(nrow(Sankeynodes)-1)
Sankeylinks = sankey
Sankeylinks = left_join(Sankeylinks,Sankeynodes,by=c('Source'='name'))
Sankeylinks = left_join(Sankeylinks,Sankeynodes,by=c('Target'='name'))
Sankeydata = Sankeylinks[,c(4,5,3)]
names(Sankeydata) = c("Source","Target","Value")
Sankeyname = select(Sankeynodes,name)
sankeyNetwork(Links = Sankeydata,Nodes = Sankeyname, Source = "Source",Target = "Target", Value = "Value", NodeID = "name", units = "元", #根据具体单位填写, fontSize = 12, nodeWidth = 24,sinksRight = FALSE, colourScale = JS("d3.scaleOrdinal(d3.schemeCategory20);"))
图片中使用了大量的动图,有专门的小软件可以制作。
数据分析咨询请扫描二维码
寻找数据分析之路 学习路径选择: 数据分析领域广泛,包括统计学、编程(如Python、SQL)、数据可视化等。建议从基础概念开始 ...
2024-12-02数据分析领域是一个广阔而令人兴奋的领域,涉及众多强大工具和软件。掌握这些工具不仅可以提升我们的工作效率,还能让数据讲述更 ...
2024-12-02在当今信息爆炸的时代,数据成为引领业务决策和创新的关键。数据分析作为一项关键技能,已经成为各行业中备受追捧的职业。本文将 ...
2024-12-02在当今竞争激烈的职场环境中,掌握数据分析技能已然成为职业发展中不可或缺的一环。无论你是刚入行的菜鸟还是希望获得更多机会的 ...
2024-12-02重要性和影响 数据分析技能对职业发展具有显著影响。不仅在就业市场竞争激烈,个人职业路径上也起着关键作用。数据分析需求广泛 ...
2024-12-02在追求数据分析师梦想的道路上,最常问及的问题之一是:“最佳学习时间究竟是多久?”这个问题承载着我们对知识获取和实践运用的 ...
2024-12-02在当今信息爆炸的时代,数据早已成为企业决策和发展的核心。掌握数据分析技能不仅可以让你更好地理解数据背后的故事,还可以在职 ...
2024-12-02数学课程对数据分析师的重要性 数据分析师的角色在当今信息时代变得至关重要。他们扮演着解读数据、发现趋势以及为业务决策提供 ...
2024-12-02作为数据分析领域的探险家,我们身处一个充满机遇与挑战的时代。数据分析师不仅面临着广阔的职业前景,还要应对技术进步、人才竞 ...
2024-12-02就业前景与挑战 数据分析师在当前和未来的就业市场中面临着广阔的机遇和挑战。随着大数据时代的到来,企业对数据分析师的需求不 ...
2024-12-02作为数据分析师,掌握数据可视化技术是至关重要的。通过有效的数据呈现和分析,我们能够从数据中提炼出有意义的见解,为业务决策 ...
2024-12-02在今天的数字化时代,数据扮演着至关重要的角色。对于数据分析师而言,熟练掌握各种数据可视化技术至关重要。通过恰到好处的数据 ...
2024-12-02在追求数据分析技能提升的漫漫征途上,制定科学合理的学习计划和精准的时间管理至关重要。本文将为您呈现一份系统且实用的数据分 ...
2024-12-02在当今信息爆炸的时代,数据分析已成为许多行业中不可或缺的一环。然而,要想在这个领域脱颖而出,除了熟练掌握技术工具外,科 ...
2024-12-02在当今数字化时代,数据分析已成为各行各业中至关重要的一环。掌握数据分析技能不仅可以拓宽个人职业发展道路,还能为企业决策提 ...
2024-12-02在追求数据分析职业发展的道路上,合适的学习路径和认证至关重要。从基础到高级,多样化的课程和证书为不同层次的学习者提供了丰 ...
2024-12-02在追求数据分析领域的深度和广度时,建立坚实的基础至关重要。这些基础不仅承载着理解数据的能力,还支撑着对数据进行精确处理和 ...
2024-12-02数据分析基础知识 学习数据分析是一项渐进的过程,从掌握基础知识开始可以帮助我们更好地理解数据的本质以及处理方法。以下是学 ...
2024-12-02在当今信息爆炸的时代,数据分析已成为各行各业提升效率、发现洞见的重要工具。不过,对于初学者来说,学习数据分析可能显得十分 ...
2024-12-02明确学习目标与需求 对于新手,选择入门级课程掌握基础概念和工具。 深入学习统计学、机器学习等高级主题则需要进阶或专业化课 ...
2024-12-02