桑基图与关系图实战教程：用AI生成专业的数据流向与网络关系可视化
📅 2026-03-20 · ⏱️ 阅读约 9 分钟 · 桑基图 关系图 高级图表
在数据可视化领域，桑基图和关系图是两种极具表现力但制作难度较高的图表类型。传统方法需要编写大量代码来构建节点、边和权重数据，门槛极高。
得刻图表采用独创的两阶段 AI + Python 协作架构，让你只需上传 Excel 数据 + 一句话描述，就能轻松生成复杂的桑基图和关系图。
一、桑基图（Sankey Diagram）
什么是桑基图？
桑基图用流的宽度来表示数据量的大小，清晰展示数据从来源到去向的流转关系。流越粗，代表的数量越大。
适用场景
| 场景 | 示例 |
|---|---|
| 用户行为路径 | 访问渠道 → 落地页 → 行为（购买/离开） |
| 能源流向 | 能源生产 → 转化 → 最终消费 |
| 资金流转 | 收入来源 → 各部门预算 → 支出项目 |
| 供应链分析 | 供应商 → 工厂 → 仓库 → 客户 |
| 患者治疗路径 | 诊断 → 治疗方案 → 治疗结果 |
| 人员流动 | 入职来源 → 部门 → 离职原因 |
数据格式
桑基图的数据本质是**"来源-去向-数量"**的三列结构：
| 来源 | 去向 | 数量 |
|---|---|---|
| 搜索引擎 | 首页 | 5000 |
| 社交媒体 | 首页 | 3000 |
| 直接访问 | 首页 | 2000 |
| 首页 | 产品页 | 4500 |
| 首页 | 博客页 | 2500 |
| 首页 | 退出 | 3000 |
| 产品页 | 购买 | 1800 |
| 产品页 | 退出 | 2700 |
| 博客页 | 产品页 | 800 |
| 博客页 | 退出 | 1700 |
💡 关键：数据可以有多层级。上面的例子就是三层：渠道 → 页面 → 行为。得刻图表的 AI 会自动从你的数据中提取所有唯一的节点，并构建完整的流向关系。
Prompt 示例
用桑基图展示用户从各渠道到各页面再到最终行为的转化流量，
流的宽度代表用户数量多层桑基图
桑基图可以有 2 层、3 层甚至更多层级。只要你的数据能串联起来（A→B，B→C），AI 就能自动构建多层流向：
渠道 → 首页 → 产品页 → 购买
↘ 退出
↘ 博客页 → 产品页
↘ 退出
↘ 退出二、关系图（Graph / 力导向图）
什么是关系图？
关系图用**节点（node）和边（link）**来展示对象之间的关联关系。节点的大小代表重要性，边的粗细代表关系强度。布局采用力导向算法，相关性强的节点会聚集在一起。
适用场景
| 场景 | 示例 |
|---|---|
| 社交网络 | 用户之间的好友关系 |
| 知识图谱 | 概念之间的关联关系 |
| 蛋白质互作网络 | 蛋白质之间的相互作用 |
| 引用关系 | 论文之间的引用网络 |
| 组织架构 | 部门和人员的隶属关系 |
| 产品关联 | 电商中"经常一起购买"的商品 |
数据格式
关系图的数据同样是**"来源-目标-权重"**的结构：
| 节点A | 节点B | 关系强度 |
|---|---|---|
| 张三 | 李四 | 8 |
| 张三 | 王五 | 5 |
| 李四 | 赵六 | 7 |
| 王五 | 赵六 | 3 |
| 张三 | 赵六 | 2 |
Prompt 示例
用力导向关系图展示各人物之间的社交关系，
节点大小代表连接数量（越多越大），
边的粗细代表关系强度三、得刻图表的技术优势：两阶段协作架构
桑基图和关系图的制作难度在于：节点和边的数量可能非常大。一份 500 行的 Excel，可能需要构建上百个节点和数百条边。
如果完全依赖 AI（大语言模型）来生成所有节点和边的 JSON 配置，会遇到两个问题：
- Token 限制：大语言模型有输出长度限制，无法输出超长的 JSON
- 准确性下降：节点过多时，AI 可能遗漏或重复
得刻图表的解决方案
得刻图表采用两阶段协作架构：
阶段 1：AI 理解数据语义
AI 分析你的数据结构，确定哪些列是"来源"、"去向"、"权重"
AI 生成图表的基础配置（标题、配色、布局方式、tooltip 格式等）
AI 输出"数据构建指令"（告诉后端如何从原始数据提取节点和边）
↓
阶段 2：Python 精确构建数据
后端 Python 根据 AI 的指令，从原始数据中提取完整的节点列表
自动去重、自动计算节点权重（symbolSize）
完整构建 links 数组，确保不遗漏任何一条边
将构建好的 nodes + links 注入 AI 生成的配置中这意味着什么？
- ✅ 即使你的 Excel 有 500+ 行数据，也能完整、准确地生成桑基图/关系图
- ✅ 每个节点都不会遗漏，每条边都准确对应原始数据
- ✅ 节点大小（symbolSize）根据实际连接数自动计算，不是 AI "估计"的
- ✅ 生成速度依然保持在 30 秒以内
四、实战案例
案例1：电商用户转化路径（桑基图）
数据：用户从各入口到各页面到各行为的流量统计
Prompt：
用桑基图展示用户从各流量入口（搜索、社交、广告、直接访问）
到各页面（首页、商品页、活动页）
再到最终行为（加购、购买、收藏、离开）的转化流量分析价值：
- 一眼看出哪个渠道带来的购买转化最高
- 发现哪个环节流失最严重
- 指导营销预算分配
案例2：学术引用网络（关系图）
数据：论文之间的引用关系
Prompt：
用关系图展示各论文之间的引用网络，
节点大小代表被引次数，颜色区分不同研究领域分析价值：
- 发现领域内的关键文献（大节点）
- 识别研究子领域（节点聚类）
- 找到跨领域的桥梁论文
案例3：供应链物流（桑基图）
数据：从供应商到工厂到仓库到客户的物流量
Prompt：
用桑基图展示供应链各环节的物流量流向，
从原材料供应商→生产工厂→区域仓库→终端客户五、数据准备技巧
✅ 桑基图数据要求
- 三列结构：来源列、去向列、数量列
- 不能有环路：A→B→A 这种循环会导致渲染异常
- 节点名称统一：同一个节点在不同行中的名称必须完全一致
- 数量为正数：流量值必须 > 0
✅ 关系图数据要求
- 三列结构：节点A列、节点B列、权重列（可选）
- 允许双向：A→B 和 B→A 可以同时存在
- 节点名称统一：同一个节点在不同行中的名称必须完全一致
⚠️ 常见问题
| 问题 | 原因 | 解决方案 |
|---|---|---|
| 节点不全 | 名称拼写不一致 | 检查"首页"和"首 页"（多了空格） |
| 渲染混乱 | 桑基图有环路 | 确保数据是有向无环的 |
| 显示效果不好 | 节点太多太密 | 筛选 Top 50 的关系后再生成 |
六、编辑器中的桑基图/关系图调整
AI 生成后，你还可以在编辑器中微调：
桑基图调整
- 节点颜色：每个节点可以单独设置颜色（配色主题会智能着色所有节点）
- 节点宽度：调整桑基图节点条的宽度
- 间距：调整节点之间的纵向间距
- 拖拽：在预览区可以拖拽节点位置
关系图调整
- 节点大小：已自动根据连接数计算，也可手动调整
- 边线颜色：可修改连线颜色和透明度
- 力导向参数：通过 JSON 编辑器调整
repulsion（排斥力）和gravity（引力），控制节点分散/聚集程度 - 标签显示：控制节点名称标签是否显示
七、与其他图表的配合使用
桑基图和关系图通常需要配合其他图表一起分析：
| 主图表 | 配合图表 | 分析目的 |
|---|---|---|
| 桑基图（全局流向） | 漏斗图（单路径转化率） | 先看全局，再深挖某条路径 |
| 桑基图（用户路径） | 折线图（时间趋势） | 先看路径分布，再看时间变化 |
| 关系图（网络全貌） | 柱状图（节点排名） | 先看整体网络，再看 Top 节点 |
| 关系图（社交网络） | 热力图（互动频次） | 先看关系结构，再看互动密度 |