365体育亚洲官方入口

由 CDA 数据分析师制作

2020年3月注定要载入史册。一方面，新冠肺炎疫情在全球范围内迅速蔓延，另一方面，控制着全球40%以上油气产量的巨头们纷纷撕破脸。

365体育亚洲官方入口面对在欧佩克+会议上坚持不减产的俄罗斯，沙特决心提高石油产能抢占市场，石油价格战毫无预兆地打响。国际原油价格大幅波动。3 月 9 日黑色星期一，世界油价暴跌超过 30%。

所以作为现代工业最重要的生命线，

世界石油产量分布如何？

365体育亚洲官方入口谁是石油行业真正的王者？

中国的石油储量是多少？

今天我们来教你

使用地图了解世界石油的分布。

01

显示数据流的强大工具

桑基图

这里我们使用桑基图。

可能你没看过这张图中国石油地图，这是一张比较小众的图表。

我们可以看到桑基图主要由边、流和支点组成，其中边代表流动的数据，流代表流动数据的具体值，节点代表不同的类别。边的宽度与流量成比例显示，边越宽，数值越高。

02

桑基图的发展

最早的桑基图

最著名的桑基图是查尔斯·米纳德（Charles Minard）于 1812 年绘制的拿破仑俄罗斯战役地图。该活动地图将桑基图叠加到地图上，将流程图与地图相结合。

桑基图粉红色部分描绘了拿破仑军队在欧洲的动向和人数，显示1812年6月，拿破仑率领42万人入侵俄罗斯。但随着战事不断深入，部队人数一路减少，战败撤退时，只剩下一万人。最早的桑基图创建于 1869 年，但直到 29 年后爱尔兰船长出现时才被称为桑基图。

桑基图命名

1898 年，爱尔兰船长 Matthew Henry Phineas Riall Sankey 使用这种图表来展示蒸汽的能源效率。同时，该地图也以船长的名字命名为“桑基地图”。

当时在这张黑白图中只显示了一种流动（如蒸汽）；用不同的颜色来表示不同类型的流，可以表示多个变量。

随着时间的推移，桑基图已成为科学和工程中用来表示热平衡、能量流和物质流的标准模型。

与普通的流程图或条形图相比中国石油地图，桑基图反映了清晰、优美的数据流动，因此桑基图在能源管理、设施管理、过程工程和过程控制中的数据可视化也越来越受欢迎。

03

桑基图的用例

桑基图的最大特点之一是，无论数据如何流动，桑基图的总值都保持不变，秉承了数据的“能量守恒”。

汽车的能源消耗

在这张桑基图中，您可以看到汽车的能量平衡。除了车轮行驶所消耗的能量外，还有很大一部分能量损失了，尤其是热量损失。此外，水泵、转向支架等还有额外的能耗。图表中的流量可以通过颜色来区分，它们的宽度与它们所代表的流量成正比。

国家能源平衡

一个地区或国家的能源平衡经常使用桑基图来绘制能源流图。这使得可以清楚地看到能源和能源的不同用途。

这张图是马来西亚2011年的能源平衡。图中的流量代表“百万吨油当量”（Mtoe）。

法国公共关系管理局的资金来源

法国公共行政部门使用桑基图来阐明其收入和支出资金的来源以及如何分配这些资金。最左边的支点代表不同的资金来源，包括社会、个人税收等。这些资金汇集到法国四大公共行政部门后，重新分配到交通、环保、住房、教育等各个领域，和文化。

04

教你使用Python

轻松绘制世界石油分布图

可以看出中国石油地图，桑基图在表示数据流方面非常清晰美观。早些时候，我们展示了世界石油产量前 30 位国家分布的桑基图。下面我们就教大家使用pyecharts来实现。

如果你没有安装 pyecharts，你可以使用下面的代码在终端中 pip 安装它。

点安装 pyecharts

首先，我们需要导入我们需要使用的包，其中pandas用于数据排序，pyecharts用于绘图。

import pandas as pd 

from pyecharts.charts import Sankey
from pyecharts import options as opts 

然后使用 pandas 读取数据。使用的数据来自 BP 世界能源统计年鉴-2019 版。排序后的数据以数据框的形式存储中国石油地图，其中state代表国家名称，continent代表大陆名称，num代表石油产量（单位）。万吨）

df1 = pd.read_excel('石油产量排名.xlsx')
df1.head() 

Sankey 图通过 Sankey 方法在 pyecharts 中实现中国石油地图，该方法接受两个外部输入。一个是所有类别节点的集合，另一个是子类、父类和数据链接的三方集合。也就是说，首先需要将数据转换成Sankey可以接受的形式。以下是官网示例的数据格式：

让我们编写一个简单的循环语句将数据转换为节点和链接：

# 产生节点
nodes = []
for i in set(pd.concat([df1.state, df1.continent])):
    dic_ = {}
    dic_['name'] = i 
    nodes.append(dic_) 

# 产生链接
links = []
for x, y, z in zip(df1.state, df1.continent, df1.num):
    dic_ = {}
    dic_['source'] = x
    dic_['target'] = y 
    dic_['value'] = z 
    links.append(dic_) 

准备好节点和链接后，就可以调用 Sankey 函数进行绘制了。可以通过配置项otps设置图表的颜色、标签、标题等信息。具体可以查看官网，这里不再赘述。

colors = ['#54B4F9', '#F29150', '#FF7BAE', '#D69AC0', '#485CE0', '#28BE7A'] 
s = Sankey(init_opts=opts.InitOpts(width='1350px', height='1350px')) 
s.set_colors(colors)
s.add('sankey', 
      nodes, 

      links, 
      pos_left='10%',
      pos_right='60%',
      linestyle_opt=opts.LineStyleOpts(opacity=0.2, curve=0.5, color='source'), 
      itemstyle_opts=opts.ItemStyleOpts(border_width=1, border_color="#aaa"),
      tooltip_opts=opts.TooltipOpts(trigger_on="mousemove"),
      is_draggable=True,
      label_opts=opts.LabelOpts(position="left", 
                                font_family='Arial', 
                                margin=10,
                                font_size=13, 
                                font_style='italic')
     ) 
s.set_global_opts(title_opts=opts.TitleOpts(title='世界石油产量top30国家分布'))  
s.render() 

生成html文件后，可以直接通过浏览器打开，可以看到交互的桑基图。效果是不是很惊艳？快来亲自试试吧！

365体育亚洲官方入口获取更多优质内容，您可以前往： 疫情当下，脚步放慢，也是提升自己，为未来积蓄能量的好时机——准备出发！