Сюжет: как определить структуру диаграммы Санки с помощью фрейма данных pandas?

Это может показаться очень широким вопросом, но если вы позволите мне описать некоторые детали, я могу заверить вас, что это очень конкретный. А также обескураживает, расстраивает и вызывает гнев.

Следующий график описывает шотландские выборы и основан на коде из plot.ly < / а>:

Набор данных 1:

data = [['Source','Target','Value','Color','Node, Label','Link Color'],
        [0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
        [0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
        [0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],
        [1,5,14,'#7FC241','Leave+Yes – 14','rgba(219, 233, 246, 0.5)'],
        [1,6,1,'#D3D3D3','Didn’t vote in at least one referendum – 21','rgba(73, 148, 206, 1)'],
        [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'],
        [2,5,3,'#449E9E','39 – Yes','rgba(250, 188, 19, 1)'],
        [2,6,17,'#D3D3D3','14 – Don’t know / would not vote','rgba(250, 188, 19, 0.5)'],
        [2,7,2,'','','rgba(250, 188, 19, 0.5)'],
        [3,5,3,'','','rgba(127, 194, 65, 1)'],
        [3,6,9,'','','rgba(127, 194, 65, 0.5)'],
        [3,7,2,'','','rgba(127, 194, 65, 0.5)'],
        [4,5,5,'','','rgba(211, 211, 211, 0.5)'],
        [4,6,9,'','','rgba(211, 211, 211, 0.5)'],
        [4,7,8,'','','rgba(211, 211, 211, 0.5)']
        ]

Как построен сюжет:

Я собрал некоторые важные детали о поведении графиков Санки из различных источников, например:

• Санки автоматически упорядочивает категории, чтобы минимизировать количество перекрытие

• Ссылки назначаются в порядке их появления в наборе данных (row_wise)

• Для узлов цвета назначаются в участок под заказ построен.

Проблема:

Как вы увидите в деталях ниже, узлы, метки и цвета не применяются к диаграмме в том же порядке, что и исходный фрейм данных. Некоторые из этого имеют идеальный смысл, поскольку у вас есть различные элементы, описывающие один и тот же узел, такие как цвет, цели, значения и цвет ссылки. Один узел 'Remain+No – 28' выглядит так:

И сопутствующая часть набора данных выглядит так:

[0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
[0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
[0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],

Итак, эта часть источника описывает узел [0] с тремя соответствующими целями [5, 6, 7] и тремя ссылками со значениями [20, 3, 5]. '#F27420' - оранжевый (ish) цвет узла, а цвета 'rgba(253, 227, 212, 0.5)', 'rgba(242, 116, 32, 1)' и 'rgba(253, 227, 212, 0.5)' описывают цвета ссылок от узла к некоторым целям. Пока что не использовалась информация из приведенного выше примера:

Пример данных 2 (частичный)

[-,-,--'-------','---------------','-------------------'],
[-,-,-,'#4994CE','Leave+No – 16','-------------------'],
[-,-,-,'#FABC13','Remain+Yes – 21','-------------------'],

И эта информация используется при отображении остальных элементов диаграммы.

Итак, в чем вопрос? В дальнейших деталях ниже вы увидите, что все имеет смысл, пока новая строка данных в наборе данных вставляет новую ссылку и вносит другие изменения в другие элементы (цвета, метки), если эта информация еще не использовалась. . Я буду еще более конкретен, используя два скриншота из настройки, которую я сделал с сюжетом слева и кодом справа:

Следующий образец данных создает диаграмму ниже, следуя логике, описанной выше:

Пример данных 3

data = [['Source','Target','Value','Color','Node, Label','Link Color'],
        [0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
        [0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
        [0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],
        [1,5,14,'#7FC241','Leave+Yes – 14','rgba(219, 233, 246, 0.5)'],
        [1,6,1,'#D3D3D3','Didn’t vote in at least one referendum – 21','rgba(73, 148, 206, 1)']]

Снимок экрана 1. Частичный график с образцом данных 3

ВОПРОС:

Добавление строки [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'] в набор данных создает новую связь между источником [5] и целью [7], но одновременно применяет цвет и метку к цели 5. Я думаю, что следующий ярлык, который будет применен к диаграмме, будет 'Remain+Yes – 21', поскольку он не использовался. Но вот что происходит: метка '46 – No' применяется к цели 5. ПОЧЕМУ?

Снимок экрана 2. Частичный график с образцом данных 3 + [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'] :

И как определить, что является источником, а что целью, на основе этого фрейма данных?

Я знаю, что это странный вопрос, на который сложно ответить, но я надеюсь, что у кого-то есть предложение. Я также знаю, что фрейм данных может быть не лучшим источником для диаграммы Sankey. Может быть, вместо этого json?

Полный код и образец данных для простого копирования и вставки в блокнот Jupyter:

import pandas as pd
import numpy as np
import plotly.graph_objs as go
from plotly.offline import download_plotlyjs, init_notebook_mode, plot, iplot
init_notebook_mode(connected=True)

# Original data
data = [['Source','Target','Value','Color','Node, Label','Link Color'],
    [0,5,20,'#F27420','Remain+No – 28','rgba(253, 227, 212, 0.5)'],
    [0,6,3,'#4994CE','Leave+No – 16','rgba(242, 116, 32, 1)'],
    [0,7,5,'#FABC13','Remain+Yes – 21','rgba(253, 227, 212, 0.5)'],
    [1,5,14,'#7FC241','Leave+Yes – 14','rgba(219, 233, 246, 0.5)'],
    [1,6,1,'#D3D3D3','Didn’t vote in at least one referendum – 21','rgba(73, 148, 206, 1)'],
    [1,7,1,'#8A5988','46 – No','rgba(219, 233, 246,0.5)'],
    [2,5,3,'#449E9E','39 – Yes','rgba(250, 188, 19, 1)'],
    [2,6,17,'#D3D3D3','14 – Don’t know / would not vote','rgba(250, 188, 19, 0.5)'],
    [2,7,2,'','','rgba(250, 188, 19, 0.5)'],
    [3,5,3,'','','rgba(127, 194, 65, 1)'],
    [3,6,9,'','','rgba(127, 194, 65, 0.5)'],
    [3,7,2,'','','rgba(127, 194, 65, 0.5)'],
    [4,5,5,'','','rgba(211, 211, 211, 0.5)'],
    [4,6,9,'','','rgba(211, 211, 211, 0.5)'],
    [4,7,8,'','','rgba(211, 211, 211, 0.5)']
    ]



headers = data.pop(0)
df = pd.DataFrame(data, columns = headers)
scottish_df = df

data_trace = dict(
    type='sankey',
    domain = dict(
      x =  [0,1],
      y =  [0,1]
    ),
    orientation = "h",
    valueformat = ".0f",
    node = dict(
      pad = 10,
      thickness = 30,
      line = dict(
        color = "black",
        width = 0
      ),
      label =  scottish_df['Node, Label'].dropna(axis=0, how='any'),
      color = scottish_df['Color']
    ),
    link = dict(
      source = scottish_df['Source'].dropna(axis=0, how='any'),
      target = scottish_df['Target'].dropna(axis=0, how='any'),
      value = scottish_df['Value'].dropna(axis=0, how='any'),
      color = scottish_df['Link Color'].dropna(axis=0, how='any'),
  )
)

layout =  dict(
    title = "Scottish Referendum Voters who now want Independence",
    height = 772,
    font = dict(
      size = 10
    ),    
)

fig = dict(data=[data_trace], layout=layout)
iplot(fig, validate=False)