选择最佳图表：网络图、热力图还是桑基图，最大化您的洞察力？
选择最佳图表以最大化洞察力：网络图、热力图还是桑基图？
优美的可视化很棒，但为了最大程度地提高可解释性，您需要仔细选择图表。
可视化是数据分析的重要组成部分，它可以将数据转化为洞察力，并帮助您进行故事叙述。在这篇博文中，我将重点介绍网络图表、热力图和桑基图。这些图表具有相同的输入，但我们应该记住它们是根据特定目标设计的，因此可解释性可能会有所不同。 我将描述网络图、热力图和桑基图之间的区别，以及它们的应用，并通过一个实际示例演示它们的可解释性。 所有示例都是使用D3Blocks库在Python中创建的。
热力图和桑基图的输入。
作为一名数据科学家，制作图表是一项常见但必不可少的任务。有时，这些图表用作检查数据的准确性，有时则用于演示，并构成故事的基础。特别是对于后一种情况，我们的目标是将复杂的信息转化为逻辑的图表可视化。
制作图表就像摄影一样，您希望捕捉能够讲述故事的风景。
然而，决定使用哪种图表并不总是一件容易的事情，因为尽管图表可能具有相似的输入，但它们的设计目的是描述场景的特定部分。这三个图表的输入需要source、target和weight信息。下面是一个小例子，它描述了变量（或节点）之间的连接关系及其强度。换句话说，Penny与Leonard的连接强度为5。第二个节点的名称再次是Penny，她也与Amy相连，但强度稍低，值为3，依此类推。
# Source node names
source = ['Penny', 'Penny', 'Amy', 'Bernadette', 'Bernadette', 'Sheldon', 'Sheldon', 'Sheldon', 'Rajesh']
# Target node names
target = ['Leonard', 'Amy', 'Bernadette', 'Rajesh', 'Howard', 'Howard', 'Leonard', 'Amy', 'Penny']
# Edge Weights
weight = [5, 3, 2, 2, 5, 2, 3, 5, 2]
