Python数据可视化：使用Pyecharts v0.5.x绘制桑基图完整指南

Ryan

发布时间：2026-10-15 | 5人浏览过

原创

本文详细介绍如何使用Python库Pyecharts（v0.5.x版本）绘制桑基图。桑基图通过分支宽度展示数据流量，常用于能源、金融等领域。文章涵盖从环境安装、核心参数配置（nodes和links）到HTML文件生成的完整步骤，并提供基础及进阶代码示例，帮助开发者实现清晰的数据流向可视化。

首先，我们需要明确桑基图的基本概念。

桑基图（Sankey diagram），全称为桑基能量分流图或桑基能量平衡图，是一种专门用于展示数据流动关系的图表类型。

该图表通过延伸分支的宽度来直观反映数据流量的大小，广泛应用于能源消耗、材料成分分析以及金融资金流向等数据的可视化场景。

这种图表因1898年Matthew Henry Phineas Riall Sankey绘制的“蒸汽机能源效率图”而得名，并以其姓氏“Sankey”作为正式命名沿用至今。

理解桑基图的核心在于把握其表现数据流动过程的功能。虽然Matplotlib库也能绘制桑基图，但其视觉效果往往不够理想，如下图所示：

为了实现更美观的可视化效果，本文采用另一个流行的Python可视化库pyecharts进行绘图。

需要注意的是，pyecharts主要分为v0.5.x和v1两个大版本，二者之间不兼容。v0.5.x版本支持Python 2.7及3.4+环境，而v1版本仅支持Python 3.6+，且官方文档也据此分为两套。

尽管网络上关于v1版本的资料丰富，但本文旨在为仍在使用v0.5.x版本的用户提供帮助。后续所有示例均基于v0.5.x版本编写，参考官方文档。

首先，通过熟悉的pip工具进行库的安装。

pip install pyecharts

安装完成后，可对照官方文档的API说明进行学习，重点在于引入Sankey类。

核心参数主要涉及对桑基图展示效果的配置，这是实现自定义样式的关键。

绘制桑基图的基本逻辑可总结为以下三个步骤：

第一步，声明使用Sankey类。


sankey = Sankey("桑基图示例", width=1200, height=600)

第二步，使用add方法添加桑基图的具体配置信息。


sankey.add(
    "sankey",
    nodes=j["nodes"],
    links=j["links"],
    line_opacity=0.2,
    line_curve=0.5,
    line_color="source",
    is_label_show=True,
    label_pos="right",
)

在此步骤中，nodes和links是必须提供的参数，分别代表桑基图中的节点和连接线。数据格式需为包含字典的列表，其中name、source、target和value为固定字段，具体结构如下：


nodes = [
    {'name': 'category1'}, {'name': 'category2'}, {'name': 'category3'},
    {'name': 'category4'}, {'name': 'category5'}, {'name': 'category6'},
]
 
links = [
    {'source': 'category1', 'target': 'category2', 'value': 10},
    {'source': 'category2', 'target': 'category3', 'value': 15},
    {'source': 'category3', 'target': 'category4', 'value': 20},
    {'source': 'category5', 'target': 'category6', 'value': 25}
]

第三步，调用render方法生成HTML文件以进行展示。


sankey.render()

最后，分享一个完整的桑基图应用示例：


def sankey_analysis():
    nodes = [{'name':'Cluster 1'}, {'name':'Cluster 2'},{'name':'Cluster 3'},              
{'name':'Young'},{'name':'Medium'},{'name':'Elder'}]
     
    result = np.array([
                   [130,151,188],
                   [735,462,670],
                   [711,625,881]])
 
    targets = ['Young', 'Medium', 'Elder']    
    links = []
 
    for i in range(0,3):
        for j in range(0,3):
            sub_dict ={}
            sub_dict['source'] = 'Cluster '+str(i+1)
            sub_dict['target'] = targets[j]
            sub_dict['value'] = result[i,j]
            links.append(sub_dict)
            
    pic = (Sankey(name, width=1200, height=600).add('', nodes, links,
    sankey_node_width=80,
    sankey_node_gap=5, 
    line_opacity=0.7,
    line_curve=0.5,
    line_color='source',
    is_label_show=True,
    is_random = True,                                              
    label_text_size=14,                   
    label_pos="inside"))    
    pic.render('sankey.html')