认识漏斗图
漏斗图是网站销售领域一种十分常用的图表，主要是用来分析在各个阶段的流失和转化情况。比如在某个商城中，我们统计用户在不同阶段的人数来分析转化率:
商城UV:商城每天的访问人数 搜索人数:在商城有过搜索行为的用户数 加购人数:有加购行为的用户数 提交订单:有多少用户提交订单 点击支付:提交订单之后有多少用户点击支付按钮 支付成功:最终支付成功的用户数
从搜索人数开始到支付成功，每个阶段用户都存在一定的流失，漏斗图就能很好地将这种流失和转化情况显示出来。
除去柱状图、饼图、折线图，漏斗图应该是自己在工作画的最为频繁的一种图表。下面我们通过模拟某个电商网站的用户行为来绘制漏斗图。
整体效果
看一个漏斗图的整体效果:
视频
导入库
基于两种方式实现:
plotly_express :px :go import pandas as pd import numpy as np # plotly两个绘图接口 import plotly_express as px import as go 基于px实现
基础漏斗图
模拟一份商城数据:
data1 = ({ "number": [1200,900,700,400,180,100], "stage": ["浏览网站","搜索","加购","提交订单","点击支付","支付成功"]} ) data1
绘制一个基础漏斗图:
# 绘图 fig = ( data1, # 待绘图数据 x="number", # x轴的数据 y="stage" # y轴的数据 ) ()
我们还可以加上一个颜色参数color:
# 加上颜色参数color fig = ( data1, x="number", y="stage", color="number" # 颜色参数 ) ()
如果我们的颜色设置成number列，用数值意义似乎不准确，更好地应该是不同的阶段表示，换成stage:
# 加上颜色参数color fig = ( data1, x="number", y="stage", color="stage" # ！！！改成stage ) ()
看生成的漏斗图:最上面的是支付成功，通常我们希望的是数值最大的在最上面，于是我们将传入的数据翻转一下:
# 加上颜色参数color fig = ( data1[::-1], # ！！！数据翻转 x="number", y="stage", color="stage" # ！！！改成stage ) ()
分组漏斗
分组漏斗表示的含义将不同组别的漏斗图放在一个画布中，比如:看今年3月和2021年3月的数据对比情况，这叫做同比
同比:相同时期的对比，比如:2021年3月和2021年3月
环比:相邻时期的对比，比如:2021年3月和2021年2月
1、2021年3月份数据
2、2021年3月份数据
3、使用concat函数合并两组数据
4、绘制漏斗图
# 绘图 fig = (df3,x="number",y="stages",color="time") ()
绘制面积漏斗图
还是使用最上面的数据:
fig = ( data1, names = "stage", values = "number", ) ()
我们观察到:面积漏斗图默认绘制的百分比，而普通漏斗图是数值
基于go实现
绘制基础漏斗图
from plotly import graph_objects as go fig = (( x=[1000,800,400,100], y=["浏览网站","加购","点击支付","支付成功"] )) ()
改变漏斗图的颜色和边框
from plotly import graph_objects as go fig = (( x=[1000,800,400,100], # 数据 y=["浏览网站","加购","点击支付","支付成功"], # 每个阶段的名称 textposition = "inside", # 文本位置:['inside', 'outside', 'auto', 'none'] textinfo = "value + percent initial", # 显示文本信息 ['label', 'text', 'percent initial', 'percent previous', 'percent total', 'value'] 前面选项的任意组合 opacity = , marker = {"color": ["deepskyblue", "lightsalmon", "tan", "silver"], "line": {"width": [4, 2, 3, 1, 1], "color": ["wheat", "wheat", "blue", "yellow"]}}, connector = {"line": {"color": "royalblue", "dash": "dot", "width": 3}}) ) ()
我们需要注意textinfo参数的使用，它有3种使用方式:
percent initial:相对于初始值 percent previous:相对于前一个值 percent total:相对于整体数值
上面这个漏斗图使用的是percent initial(相对于初始值)，百分比是这样来的:
1000/1000 = 100% 800 / 1000 = 80% 400 / 1000 = 40% 100 / 1000 = 10%
如果是percent previous:
1000/1000 = 100% 800 / 1000 = 80% 400 / 800 = 50% 100 / 400 = 25%
如果是percent total:
我们看看第一个百分比是如何计算的:
分组漏斗
from plotly import graph_objects as go stage = ["浏览网站","加购","点击支付","支付成功"] fig = () (( name = "2021年3月", # 图形轨迹名称 x = [1000,800,400,200], # 数据 y = stage, # 每个阶段名称 orientation = "h", # 方位 textposition = "inside", # 文本内容的位置 textinfo = "value+percent previous" # 显示文本内容 )) (( name = "2021年2月", # 名称和数据需要改变 x = [1200,900,500,240], y = stage, orientation = "h", textposition = "inside", textinfo = "value+percent total" )) (( name = "2021年3月", # 名称和数据需要改变 x = [1500,1000,450,300], y = stage, orientation = "h", textposition = "inside", textinfo = "label+percent initial" )) ()
在上面的图中，既可以观察到同比情况(2021年3月和2021年3月)，也可以观察到环比情况(2021年3月和2月)
面积漏斗
from plotly import graph_objects as go fig = (( text = ["浏览网站","加购","点击支付","支付成功"], values = [5000, 2000, 800, 500], )) ()
设置面积漏斗的颜色和边框
from plotly import graph_objects as go fig = (( values = [3000, 2000, 800, 500], text = ["浏览网站","加购","点击支付","支付成功"], marker = {"colors": ["deepskyblue", "lightsalmon", "teal", "silver"], # 颜色 "line": {"color": ["red", "blue", "wheat", "wheat"], # 边框颜色和线条宽度 "width": [0, 1, 3, 5]}}, textfont = {"family": "Old Standard TT, serif", "size": 13, # 字体设置 "color": "black"}, opacity = )) # 透明度 ()
多组面积漏斗
不同组别的漏斗图我们也可以分开放，将它们放在一个大的画布中:
from plotly import graph_objects as go fig = () # 添加四组数据:第一季度到第四季度 (( scalegroup = "first", # 组别名称 text = ["浏览网站","搜索","加购","提交订单","点击支付","支付成功"], values = [500, 450, 340, 230, 220, 110], # 数据 textinfo = "value", # 显示文本信息 title = {"position": "top center", # 标题顶部居中 "text": "第一季度" # 标题内容 }, domain = {"x": [0, ], # 图形位置 "y": [0, ] })) (( scalegroup = "first", text = ["浏览网站","搜索","加购","提交订单","点击支付","支付成功"], values = [600, 500, 400, 300, 200, 100], textinfo = "value", title = {"position": "top center", "text": "第二季度"}, domain = {"x": [0, ], "y": [, 1]})) (( scalegroup = "second", text = ["浏览网站","搜索","加购","提交订单","点击支付","支付成功"], values = [510, 480, 440, 330, 220, 100], textinfo = "value", title = {"position": "top left", "text": "第三季度"}, domain = {"x": [, 1], "y": [0, ]})) (( scalegroup = "second", text = ["浏览网站","搜索","加购","提交订单","点击支付","支付成功"], values = [360, 250, 240, 130, 120, 60], textinfo = "value", title = {"position": "top right", "text": "第四季度"}, domain = {"x": [, 1], "y": [, 1]})) ( margin = {"l": 100, "r": 100}, # 整个图形到左右边框的距离 shapes = [ {"x0": 0, "x1": , "y0": 0, "y1": }, # 添加4组位置 {"x0": 0, "x1": , "y0": , "y1": 1}, {"x0": , "x1": 1, "y0": 0, "y1": }, {"x0": , "x1": 1, "y0": , "y1": 1} ]) ()
漏斗图真的很好用，能够观察到数据在不同阶段的转化情况。
