图表选择可视化指南：桑基图：看流量与转化（深度版）

用带宽度 flows 展示能量/物料/用户在阶段或类别间的流转与损耗，适合拆解『从哪来、到哪去』。

分类：🕸 结构图　适用：能耗/物料平衡、用户转化漏斗、资金/人口流动

一、这个图适合谁（适用场景）

能耗/物料平衡
用户转化漏斗
资金/人口流动

二、图表结构要素

节点=阶段/类别
连线宽度=流量
可多层

三、可视化的底层逻辑

桑基图用"带宽度连线"编码流量在阶段/类别间的流转，把"从哪来、到哪去、损耗多少"这一守恒过程变成一目了然的视觉叙事。它的核心契约是流量守恒：每一层节点的流入总量必须等于流出总量（稳态），连线宽度严格正比于流量，否则图形自相矛盾、读者被骗。相比静态的饼图/堆叠柱状，桑基图擅长表达"动态流转"——能耗如何在设备间分配、用户如何在步骤间转化流失、资金如何在账户间流动。但层级越多，分支呈指数增长、视觉负担越重，故层级宜≤4。核心思想：用宽度=流量的视觉隐喻表达守恒，且每层都必须满足进出平衡。

四、视觉编码与感知推导

流量守恒（硬约束）：对节点 $j$ ，流入=流出（稳态）：

$\sum_i f_{ij}=\sum_k f_{jk}$

任意违反（流入≠流出）都意味着"凭空生灭"或"无端消失"，图即不可信。绘制前须做守恒校验。

宽度-流量线性映射：连线视觉宽度

$w_{ij}\propto f_{ij}$

保证"面积比例=流量比例"，读者对宽度的感知直接对应真实流量比（宽度属长度通道，精度高）。标注关键 $f_{ij}$ 数值补强精确性。

层级与读负担：设每层平均分支数 $b$ 、层数 $L$ ，末端节点数约 $O(b^L)$ 。 $L$ 每加 1 视觉元素指数增，故限制 $L\le4$ ；超过时折叠中间层或只画"总流入-总流出-关键支路"。

损耗率：节点 $j$ 的流失

$\eta_j=1-\frac{\sum_k f_{jk}}{\sum_i f_{ij}}$

量化"在这一步丢了多少"，是桑基图最该被读出的结论性数字（如转化漏斗的流失率）。

五、怎么画（步骤）

明确『流』是什么（能量/人/钱）及单位。
每层节点不重复、流量守恒（进出相等）。
用颜色区分来源或类别。
标注关键流量数值。
层级不宜过多（≤4 层）保持可读。

六、何时用 / 何时不用 / 常见丑图

何时用：『流转、转化、守恒』类问题。
何时不用：静态占比 → 饼/堆叠柱状。
常见丑图：流量不守恒、层级过多、无数值。

七、常见坑

流量不守恒
层级过多乱
不标数值

八、画图自检清单

流定义清晰
守恒校验
层级适中
关键流量有标注

九、配套资源与搭配

网络/图结构问题怎么选
Python 数据可视化模板
论文图表规范与排版

本指南由 MCM520 资料站自动生成（深度版），配套论文图表规范与可视化模板可在资源页下载。

十、实战案例——Python 绘制 + 图效果

桑基图用带宽度 flows 展示阶段间的流量与损耗，最适合拆解「从哪来、到哪去」。

案例场景：某知识点网站的用户访问路径——访问→浏览攻略→看范文→填写反馈。
宽度越大流量越大，从 10000 人访问到 850 人反馈，转化率 8.5%。

完整代码（Python + matplotlib）

import plotly.graph_objects as go

fig = go.Figure(data=[go.Sankey(
    node=dict(
        label=['访问', '浏览攻略', '看范文', '填写反馈'],
        color=['#2563eb', '#16a34a', '#f59e0b', '#dc2626'],
    ),
    link=dict(
        source=[0, 0, 0, 1, 1, 2],
        target=[1, 2, 3, 2, 3, 3],
        value=[4200, 3100, 850, 2800, 1200, 850]
    ))])
fig.update_layout(title='用户访问转化漏斗', font_size=12)
fig.show()

运行效果图

图X8 用户访问转化桑基图

本指南由 MCM520 资料站生成，配套 Python 代码可直接运行。