文章目录

一、语法
二、参数
三、返回值
四、实例
- 4.1 使用 plotly.express 的漏斗图
- - 4.1.1 基本漏斗图
  - 4.1.2 堆积漏斗图
  - 4.1.3 基本区域漏斗图
- 4.2 使用 plotly.graph_objects 的漏斗图
- - 4.2.1 基本漏斗图
  - 4.2.2 设置标记大小和颜色
  - 4.2.3 堆积漏斗图
  - 4.2.4 基本区域漏斗图
  - 4.2.5 在区域漏斗图中设置标记大小和颜色
  - 4.2.6 多区域漏斗

一、语法

在漏斗图中，每一行都data_frame表示为漏斗的一个矩形扇区。

二、参数

data_frame ( DataFrame或类似数组的或dict ) – 需要传递此参数才能使用列名（而不是关键字名）。Array-like 和 dict 在内部转换为 pandas DataFrame。可选：如果缺少，则使用其他参数在后台构建 DataFrame。
x ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在笛卡尔坐标中沿 x 轴定位标记。或者可以是列引用列表或 array_likes 列表，在这种情况下，数据将被视为“宽”而不是“长” x。 y
y（str或int或Series或array-like）– 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在笛卡尔坐标中沿 y 轴定位标记。或者可以是列引用列表或 array_likes 列表，在这种情况下，数据将被视为“宽”而不是“长” x。 y
color （str或int或Series或array-like）– 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于为标记分配颜色。
facet_row ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在垂直方向上为多面子图分配标记。
facet_col ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于在水平方向上为多面子图分配标记。
facet_col_wrap ( int ) – 最大分面列数。以该宽度包装列变量，以便列分面跨越多行。如果为 0，则忽略，如果设置facet_row了或 a ，marginal则强制为 0。
facet_row_spacing ( float between 0 and 1 ) – 分面行之间的间距，以纸张为单位。使用 facet_col_wrap 时，默认值为 0.03 或 0.0.7。
facet_col_spacing ( float between 0 and 1 ) – 分面列之间的间距，以纸张为单位默认为 0.02。
hover_name（str或int或Series或array-like）- 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值在悬停工具提示中以粗体显示。
hover_data ( list of str or int , or Series or array-like , or dict ) – 或者 pandas Series 中的列名列表data_frame，或者是 array_like 对象或者以列名作为键的 dict，值为 True （默认为格式）False（为了从悬停信息中删除此列）或格式字符串，例如 ‘:.3f’ 或 ’ | %a’ 或类似列表的数据出现在悬停工具提示中，或带有布尔或格式化字符串的元组作为第一个元素，以及类似列表的数据作为第二个元素出现在悬停中这些列中的值在悬停工具提示中显示为额外数据.
custom_data（str或int的列表，或Series或类似数组）——data_frame或 pandas Series 或 array_like 对象中的列名称这些列中的值是额外数据，例如用于小部件或 Dash 回调。此数据对用户不可见，但包含在图形发出的事件中（套索选择等）
text ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值在图中显示为文本标签。
animation_frame ( str或int或Series或array-like ) – 中列的名称data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于为动画帧分配标记。
animation_group ( str或int或Series或array-like ) – 中的列名data_frame，或者 pandas Series 或 array_like 对象。此列或 array_like 中的值用于提供跨动画帧的对象恒定性：具有匹配 animation_group 的行将被视为描述每个帧中的相同对象。
category_orders（带有 str 键和 str 值列表的字典（默认{}））——默认情况下，在 Python 3.6+ 中，轴、图例和构面中的分类值的顺序取决于这些值第一次遇到的顺序data_frame（并且没有在低于 3.6 的 Python 中默认保证顺序）。此参数用于强制对每列的值进行特定排序。此 dict 的键应对应于列名，值应是与所需的特定显示顺序相对应的字符串列表。
labels （带有 str 键和 str 值的字典（默认{}））——默认情况下，列名在图中用于轴标题、图例条目和悬停。这个参数允许它被覆盖。此 dict 的键应对应于列名，值应对应于要显示的所需标签。
color_discrete_sequence ( list of str ) – 字符串应该定义有效的 CSS 颜色。当color设置为且对应列中的值不是数字时，该列中的值通过color_discrete_sequence 按中描述的顺序循环分配颜色category_orders，除非的值 color是中的键color_discrete_map。子模块中提供了各种有用的颜色序列plotly.express.colors，特别是plotly.express.colors.qualitative.
color_discrete_map (dict with str keys and str values (default {})) – 字符串值应该定义有效的 CSS-colors 用于覆盖 color_discrete_sequence以将特定颜色分配给与特定值对应的标记。中的键color_discrete_map应该是由表示的列中的值color。或者，如果的值color是有效颜色，则’identity’可以传递字符串以直接使用它们。
opacity ( float ) – 介于 0 和 1 之间的值。设置标记的不透明度。
orientation （str，‘h’水平或’v’垂直之一。） - （默认’v’如果提供和x并且y都连续或都分类，否则’v’('h' ）是分类和）是连续的，否则提供'h' ）) if x(yy(x’v’() if only x(y
log_x (boolean (default False)) – 如果True是，x 轴在笛卡尔坐标中按对数缩放。
log_y (boolean (default False)) – 如果True是，y 轴在笛卡尔坐标中按对数缩放。
range_x (两个数字的列表) – 如果提供，则覆盖笛卡尔坐标中 x 轴上的自动缩放。
range_y (两个数字的列表) – 如果提供，则覆盖笛卡尔坐标中 y 轴上的自动缩放。
title ( str ) – 图形标题。
template（str或dict或plotly.graph_objects.layout.Template 实例）–图形模板名称（必须是 plotly.io.templates 中的键）或定义。
width (int (default None)) – 图形宽度（以像素为单位）。
height (int (default None)) – 以像素为单位的图形高度。

三、返回值

plotly.graph_objects.Figure

文章目录

一、语法
二、参数
三、返回值
四、实例
- 4.1 使用 plotly.express 的漏斗图
- - 4.1.1 基本漏斗图
  - 4.1.2 堆积漏斗图
  - 4.1.3 基本区域漏斗图
- 4.2 使用 plotly.graph_objects 的漏斗图
- - 4.2.1 基本漏斗图
  - 4.2.2 设置标记大小和颜色
  - 4.2.3 堆积漏斗图
  - 4.2.4 基本区域漏斗图
  - 4.2.5 在区域漏斗图中设置标记大小和颜色
  - 4.2.6 多区域漏斗

四、实例

漏斗图通常用于表示业务流程不同阶段的数据。它是商业智能中识别流程潜在问题区域的重要机制。例如，它用于观察销售过程中每个阶段的收入或损失，并显示逐渐减少的值。每个阶段都显示为所有值总和的百分比。

4.1 使用 plotly.express 的漏斗图

4.1.1 基本漏斗图

import plotly.express as px
data = dict(
    number=[39, 27.4, 20.6, 11, 2],
    stage=["网站访问", "下载量", "潜在客户", "询价", "成交"])
fig = px.funnel(data, x='number', y='stage')
fig.show()

在这里插入图片描述

4.1.2 堆积漏斗图

import plotly.express as px
import pandas as pd
stages = ["浏览", "下载", "潜在客户", "询价", "成交"]
df_mtl = pd.DataFrame(dict(number=[39, 27.4, 20.6, 11, 3], stage=stages))
df_mtl['office'] = '蒙特利尔'
df_toronto = pd.DataFrame(dict(number=[52, 36, 18, 14, 5], stage=stages))
df_toronto['office'] = '多伦多'
df = pd.concat([df_mtl, df_toronto], axis=0)
fig = px.funnel(df, x='number', y='stage', color='office')
fig.show()

在这里插入图片描述

4.1.3 基本区域漏斗图

使用px.funnel_area，DataFrame 的每一行都表示为漏斗的一个阶段。

import plotly.express as px
fig = px.funnel_area(names=["The 1st","The 2nd", "The 3rd", "The 4th", "The 5th"],
                    values=[5, 4, 3, 2, 1])
fig.show()

在这里插入图片描述

4.2 使用 plotly.graph_objects 的漏斗图

4.2.1 基本漏斗图

from plotly import graph_objects as go

fig = go.Figure(go.Funnel(
    y = ["浏览", "下载", "潜在客户", "询价", "成交"],
    x = [39, 27.4, 20.6, 11, 2]))

fig.show()

在这里插入图片描述

4.2.2 设置标记大小和颜色

此示例使用textposition和textinfo来确定图表上显示的信息，并显示如何自定义条形。

from plotly import graph_objects as go

fig = go.Figure(go.Funnel(
    y = ["浏览", "下载", "潜在客户", "询价", "成交"],
    x = [39, 27.4, 20.6, 11, 2],
    textposition = "inside",
    textinfo = "value+percent initial",
    opacity = 0.65, marker = {"color": ["deepskyblue", "lightsalmon", "tan", "teal", "silver"],
    "line": {"width": [4, 2, 2, 3, 1, 1], "color": ["wheat", "wheat", "blue", "wheat", "wheat"]}},
    connector = {"line": {"color": "royalblue", "dash": "dot", "width": 3}})
    )

fig.show()

在这里插入图片描述

4.2.3 堆积漏斗图

from plotly import graph_objects as go

fig = go.Figure()

fig.add_trace(go.Funnel(
    name = 'Montreal',
    y = ["浏览", "下载", "潜在客户", "询价"],
    x = [120, 60, 30, 20],
    textinfo = "value+percent initial"))

fig.add_trace(go.Funnel(
    name = 'Toronto',
    orientation = "h",
    y = ["浏览", "下载", "潜在客户", "询价", "要约"],
    x = [100, 60, 40, 30, 20],
    textposition = "inside",
    textinfo = "value+percent previous"))

fig.add_trace(go.Funnel(
    name = 'Vancouver',
    orientation = "h",
    y = ["浏览", "下载", "潜在客户", "询价", "要约", "成交"],
    x = [90, 70, 50, 30, 10, 5],
    textposition = "outside",
    textinfo = "value+percent total"))

fig.show()

在这里插入图片描述

4.2.4 基本区域漏斗图

from plotly import graph_objects as go

fig = go.Figure(go.Funnelarea(
    text = ["The 1st","The 2nd", "The 3rd", "The 4th", "The 5th"],
    values = [5, 4, 3, 2, 1]
    ))
fig.show()

在这里插入图片描述

4.2.5 在区域漏斗图中设置标记大小和颜色

from plotly import graph_objects as go

fig = go.Figure(go.Funnelarea(
      values = [5, 4, 3, 2, 1], text = ["The 1st","The 2nd", "The 3rd", "The 4th", "The 5th"],
      marker = {"colors": ["deepskyblue", "lightsalmon", "tan", "teal", "silver"],
                "line": {"color": ["wheat", "wheat", "blue", "wheat", "wheat"], "width": [0, 1, 5, 0, 4]}},
      textfont = {"family": "Old Standard TT, serif", "size": 13, "color": "black"}, opacity = 0.65))
fig.show()

在这里插入图片描述

4.2.6 多区域漏斗

from plotly import graph_objects as go

fig = go.Figure()

fig.add_trace(go.Funnelarea(
    scalegroup = "first", values = [500, 450, 340, 230, 220, 110], textinfo = "value",
    title = {"position": "top center", "text": "Sales for Sale Person A in U.S."},
    domain = {"x": [0, 0.5], "y": [0, 0.5]}))

fig.add_trace(go.Funnelarea(
    scalegroup = "first", values = [600, 500, 400, 300, 200, 100], textinfo = "value",
    title = {"position": "top center", "text": "Sales of Sale Person B in Canada"},
    domain = {"x": [0, 0.5], "y": [0.55, 1]}))

fig.add_trace(go.Funnelarea(
    scalegroup = "second", values = [510, 480, 440, 330, 220, 100], textinfo = "value",
    title = {"position": "top left", "text": "Sales of Sale Person A in Canada"},
    domain = {"x": [0.55, 1], "y": [0, 0.5]}))

fig.add_trace(go.Funnelarea(
            scalegroup = "second", values = [360, 250, 240, 130, 120, 60],
            textinfo = "value", title = {"position": "top left", "text": "Sales of Sale Person B in U.S."},
            domain = {"x": [0.55, 1], "y": [0.55, 1]}))

fig.update_layout(
            margin = {"l": 200, "r": 200}, shapes = [
            {"x0": 0, "x1": 0.5, "y0": 0, "y1": 0.5},
            {"x0": 0, "x1": 0.5, "y0": 0.55, "y1": 1},
            {"x0": 0.55, "x1": 1, "y0": 0, "y1": 0.5},
            {"x0": 0.55, "x1": 1, "y0": 0.55, "y1": 1}])

fig.show()