Question

我正在按照official documentation在python3上以图例方式遵循森伯斯特图的教程示例。

基于此示例，我以与示例完全相似的方式构建了DataFrame，并验证了数据的完整性。

现在，这是问题所在。如果像下面的代码所示添加branchvalues='total'，则会得到一个空白的白色图表。这意味着什么都不会渲染。

fig.add_trace(go.Sunburst(
    labels=df_all_trees['id'],
    parents=df_all_trees['parent'],
    values=df_all_trees['value'],
    branchvalues='total',
    marker=dict(
        colors=df_all_trees['color'],
        colorscale='RdBu'),
    hovertemplate='<b>%{label} </b> <br></br> Allocated: %{value}',
    name=''
))

如果我删除branchvalues='total'，如下面的代码所示，

fig.add_trace(go.Sunburst(
    labels=df_all_trees['id'],
    parents=df_all_trees['parent'],
    values=df_all_trees['value'],
    marker=dict(
        colors=df_all_trees['color'],
        colorscale='RdBu'),
    hovertemplate='<b>%{label} </b> <br></br> Allocated: %{value}',
    name=''
))

我得到一个相当扭曲的图。

我在做什么错了？

编辑-添加的数据和代码

数据

csv中的数据相同

，id，父项，值，颜色

0，税收筹划，星空保利，1.54，1.54

1，税收筹划，超级大道，8.46，8.46

2，税收筹划，巴哈吉金融区，8.75，8.75

3，班德银行税收计划，2.75,2.75

4，税收筹划，Bharti Airtel，1.74,1.74

5，税收筹划，印度康明斯，1.5,1.5

6，税收筹划，迪维实验室，2.16，2.16

7，税收筹划，耐力技术，0.86，0.86

8，税收筹划，H D F C，4.9，4.9

9，税收筹划，HDFC银行，6.35，6.35

10，税收筹划，ICICI银行，2.32，2.32

11，税收筹划，信息教育（印度），5.08，5.08

12，税收计划，柯达玛哈。银行，8.454707583,8.454707583

13，税收筹划，MAS FINANC SER，0.74,0.74

14，税收筹划，丸木铃木，4.71,4.71

15，税收筹划，苏森母亲，1.19,1.19

16，税收筹划，多方沟通。例1.29,1.29

17，税收计划，印度的雀巢，4.53，4.53

18，税收筹划，Net CA和其他人，1.1、1.1

19，Pidilite Ind。，Tax Planning，5.72,5.72

20，税收筹划，水泥，1.17、1.17

21，税收筹划，圣达拉姆港，0.04,0.04

22，税收筹划，圣达兰金融，1.58，1.58

23，税收筹划，交响曲，1.76，1.76

24，税收筹划，TCS，6.17，6.17

25，税收筹划，TTK Healthcare，0.07，0.07

26，税收筹划，TTK信誉，2.07、2.07

27，税收筹划，塔塔全球，0.52,0.52

28，税收筹划，马辛德拉科技公司，1.39,1.39

29，税收筹划，Torrent Power，3.61、3.61

30，税收筹划，V-Guard工业，0.55,0.55

31，税收计划，印度威伯科，1.74,1.74

32，Astral Poly，塑料产品，1.54,1.54

33，Avenue Super。，交易，8.46，8.46

34，Bajaj Fin。，金融与投资，8.75,8.75

35，Bandhan Bank，银行-私营部门，2.75,2.75

36，Bharti Airtel，电信-服务提供商，1.74,1.74

37，Cummins India，Engines，1.5,1.5

38，Divi's Lab。，Pharmaceuticals-Indian-Bulk Drugs，2.16,2.16

39，Endurance Tech。，Auto Ancillaries，0.86,0.86

40，H D F C，财务-房屋，4.9,4.9

41，HDFC银行，银行-私营部门，6.35,6.35

42，ICICI银行，银行-私人部门，2.32,2.32

43，Info Edg。（India），Miscellaneous，5.08,5.08

44，柯达玛哈。银行，银行-私营部门，8.454707583,8.454707583

45，MAS FINANC SER，Finance＆Investments，0.74,0.74

46，丸木铃木，汽车-乘用车，4.71,4.71

47，Motherson Sumi，Auto Ancillaries，1.19,1.19

48，Multi Comm。例如，其他，1.29,1.29

49，雀巢印度，食品-加工-跨国公司，4.53,4.53

50，Net CA及其他，Net CA及其他，1.1,1.1

51，Pidilite Inds。，Chemicals，5.72,5.72

52，Shree Cement，水泥-北印度，1.17，1.17

53，Sundaram Fin.Hol，Finance＆Investments，0.04,0.04

54，Sundaram Finance，Finance＆Investments，1.58,1.58

55，交响乐团，家用电器，1.76，1.76

56，TCS，计算机-软件-大型，6.17,6.17

57，TTK Healthcare，Pharmaceuticals-Indian-Bulk Drugs＆Formln，0.07,0.07

58，TTK Prestige，家用电器，2.07,2.07

59，Tata Global，Tea，0.52,0.52

60，Tech Mahindra，计算机-软件-大型，1.39、1.39

61，洪流功率，发电与供电，3.61,3.61

62，V-Guard工业，电气设备，0.55,0.55

63，WABCO印度，汽车辅助设备，1.74,1.74

64，Auto Ancillaries，Equity，3.7899999999999996,3.7899999999999996

65，汽车-乘用车，股票，4.71、4.71

66，银行-私人部门，股票，19.874707583，19.874707583

67，水泥-印度北部，股票，1.17，1.17

68，化学物质，股票，5.72,5.72

69，计算机-软件-Large，Equity，7.56,7.56

70，家用电器，股票，3.83，3.83

71，电气设备，股权，0.55,0.55

72，Engines，Equity，1.5,1.5

73，金融与投资，股权，11.11,11.11

74，金融-住房，股权，4.9、4.9

75，食品-加工-跨国公司，股权，4.53，4.53

76，其他，权益，6.37,6.37

77，Net CA及其他，Net CA及其他，1.1,1.1

78，Pharmaceuticals-Indian-Bulk Drugs，Equity，2.16,2.16

79，Pharmaceuticals-Indian-Bulk Drugs＆Formln，Equity，0.07,0.07

80，塑料制品，股票，1.54,1.54

81，发电与供电，权益，3.61，3.61

82，茶，权益，0.52,0.52

83，电信-服务提供商，股权，1.74，1.74

84，交易，股权，8.46、8.46

85，权益总计，93.71470758299998,93.71470758299998

86，Net CA及其他，总计1.1、1.1

总计87,94.814707583,94.814707583

上面的数据/ csv需要在一个已知为 alloc

的数据帧中导入

代码

import plotly.graph_objects as go
from plotly.subplots import make_subplots
import pandas as pd

df = alloc

average_score = df['PERC_HOLD'].sum()

fig = go.Figure()

fig.add_trace(go.Sunburst(
    labels=df_all_trees['id'],
    parents=df_all_trees['parent'],
    values=df_all_trees['value'],
    branchvalues='total',
    marker=dict(
        colors=df_all_trees['color'],
        colorscale='RdBu',
        cmid=average_score),
    hovertemplate='<b>%{label} </b> <br> Sales: %{value}<br> Success rate: %{color:.2f}',
    name=''
    ))

fig.update_layout(margin=dict(t=10, b=10, r=10, l=10))
fig.write_html("fig2.html")

Answer 1

在这种特殊情况下，如果没有适当的数据样本，几乎不可能提供完整的解决方案。我要测试的第一件事是设置

branchvalues="remainder"

密谋：森伯斯特图无法正确呈现

1 个答案: