pyecharts-13-绘制漏斗图

发布于

Pyecharts-13-漏斗图

漏斗图在电商领域中观察用户转化率的情形使用非常普遍，本文通过一个模拟的商城用户行为的例子来绘制漏斗图

什么是漏斗图

漏斗图又叫倒三角图，漏斗图将数据呈现为几个阶段，每个阶段的数据都是整体的一部分，从一个阶段到另一个阶段数据自上而下逐渐下降，所有阶段的占比总计100％。

与饼图一样，漏斗图呈现的也不是具体的数据，而是该数据相对于总数的占比，同时漏斗图不需要使用任何数据轴。

漏斗图不是表示各个分类的占比情况，而是展示数据变化的一个逻辑流程，如果数据是无逻辑顺序的占比比较，建议使用饼图更合适。

绘图

导入库
代码语言：javascript
复制
from pyecharts.globals import CurrentConfig, OnlineHostType   # 事先导入，防止不出图
from pyecharts import options as opts
from pyecharts.charts import Funnel  # 涟漪散点图+日历图
from pyecharts.faker import Faker
from pyecharts.commons.utils import JsCode
from pyecharts.globals import ThemeType
from pyecharts.globals import SymbolType

import pandas as pd

import numpy as np
模拟数据

下面的数据是自行模拟的，仅供学习使用。

代码语言：javascript
复制
# 假设某个网站上商品的用户操作行为数据


data = {'操作':["访问","浏览","点击商品","加入购物车","点击支付","支付成功"],

'人数':[1000, 800, 600, 300, 240, 80]

}


df = pd.DataFrame(data)

df
基本绘图
代码语言：javascript
复制
c = (

Funnel()

.add("商城漏斗", [list(z) for z in zip(df['操作'].tolist(), df['人数'].tolist())])

.set_global_opts(title_opts=opts.TitleOpts(title="商城用户漏斗分析"))

)


c.render_notebook()
改变label位置
代码语言：javascript
复制
# data = [[df['操作'].tolist()[i], df['人数'].tolist()[i]] for i in range(len(df))]


data = [list(z) for z in zip(df['操作'].tolist(), df['人数'].tolist())]


c = (

Funnel(init_opts=opts.InitOpts(width="1000px", height="600px"))

.add(

series_name="",

data_pair=data,

gap=2,

tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} : {c}%"),

label_opts=opts.LabelOpts(is_show=True, position="inside"),   # label是否显示和位置

itemstyle_opts=opts.ItemStyleOpts(border_color="#faf", border_width=1),

)

.set_global_opts(title_opts=opts.TitleOpts(title="漏斗图", subtitle="商城用户行为"))

)


c.render_notebook()
倒序漏斗
代码语言：javascript
复制
c = (

Funnel()

.add("商城漏斗",

[list(z) for z in zip(df['操作'].tolist(), df['人数'].tolist())],

sort_="ascending",

label_opts=opts.LabelOpts(is_show=True, position="inside"),

)

.set_global_opts(title_opts=opts.TitleOpts(title="商城用户漏斗分析"))

)


c.render_notebook()

#电商#label