0
282
VistasCree un diagrama de Sankey/aluvial en el que los enlaces se combinen en el nodo
En todos los ejemplos que puedo encontrar para los diagramas Sankey/Alluvial, veo que los enlaces se unen en el nodo de tal manera que el tamaño del nodo es la suma de todos los enlaces que se conectan a él. Sin embargo, me gustaría visualizar un procedimiento de coincidencia, en el que se emparejan 2 bases de datos, en 3 conjuntos de datos nuevos (A: los datos del conjunto de datos 1, que no se pudieron emparejar; B: los datos que se pudieron emparejar entre los 2 conjuntos de datos; y C: los datos del conjunto de datos 2, que no pudieron coincidir).
Si dibujo una versión súper simple de esto en pintura, se ve así:
¿Hay alguna manera de hacer esto en R, python o D3JS? Preferiblemente en el paquete R networkD3 ot ggplot , pero cualquier software es aceptable.
En mis datos reales, habrá varios pasos de coincidencia y más de 2 conjuntos de datos, por eso quiero implementar esto en R, python o JS y no hacer una versión única en Adobe.
Editar
Por favor, esta es una versión etiquetada de la trama, en la que 75 de A y B se 'conectan' a D. De modo que A + B > C + D + E
1 Respuestas
Responde la pregunta0
- usted ha declarado python en cuestión, por lo tanto, responda en python
- esto realmente se trata de la preparación de datos. reutilizando esta respuesta gráficamente formato de datos de gráfico sankey
- cree dos marcos de datos, uno de 100 filas y otro de 150 filas. Estos tendrán superposiciones basadas en la clave tiene valores de superposición
- encuentre los recuentos de filas que solo están en el marco de datos / superposición
- preparar los nombres y valores de los nodos. No veo una manera de cumplir completamente con su cálculo. Elegí que el objetivo tiene el valor correcto, sin embargo, la fuente es la mitad de lo que realmente fluye
- crear figura
import pandas as pd import plotly.graph_objects as go import numpy as np # two data sets with some overlap... df1 = pd.DataFrame({"key":range(0,100)}) df2 = pd.DataFrame({"key":range(25, 175)}) # calculate overlap rows o1 = df1["key"].isin(df2["key"]).value_counts() o2 = df2["key"].isin(df1["key"]).value_counts() # prep overlap rows into structure ready for sankey figure df = pd.DataFrame([{"source":str(len(df1)), "target":"a" + str(o1[False]), "value":o1[False]}, {"source":str(len(df1)), "target":"b" + str(o1[True]), "value":o1[True]/2}, {"source":str(len(df2)), "target":"b" + str(o2[True]), "value":o2[True]/2}, {"source":str(len(df2)), "target":"c" + str(o2[False]), "value":o2[False]}, ]) # build sankey figure nodes = np.unique(df[["source","target"]], axis=None) nodes = pd.Series(index=nodes, data=range(len(nodes))) go.Figure( go.Sankey( node={"label": nodes.index}, link={ "source": nodes.loc[df["source"]], "target": nodes.loc[df["target"]], "value": df["value"], }, ) ) 