快捷導(dǎo)航

Python可視化神器pyecharts繪制漏斗圖

更新時(shí)間：2022年07月06日 14:35:08 作者：王小王_123???????

這篇文章主要介紹了Python可視化神器pyecharts繪制漏斗圖，漏斗圖是由Light等在1984年提出，一般以單個(gè)研究的效應(yīng)量為橫坐標(biāo)，樣本含量為縱坐標(biāo)做的散點(diǎn)圖

漏斗圖

漏斗圖是由Light等在1984年提出，一般以單個(gè)研究的效應(yīng)量為橫坐標(biāo)，樣本含量為縱坐標(biāo)做的散點(diǎn)圖。效應(yīng)量可以為RR、OR和死亡比或者其對(duì)數(shù)值等。理論上講，被納入Meta分析的各獨(dú)立研究效應(yīng)的點(diǎn)估計(jì)，在平面坐標(biāo)系中的集合應(yīng)為一個(gè)倒置的漏斗形，因此稱為漏斗圖。

樣本量小，研究精度低，分布在漏斗圖的底部，向周圍分散；

樣本量大，研究精度高，分布在漏斗圖的頂部，向中間集中。

漏斗圖法的優(yōu)點(diǎn)是：

簡(jiǎn)單易行，只需要被納入的獨(dú)立研究的樣本含量和效應(yīng)量便可繪制。

漏斗圖法的缺點(diǎn)是：

漏斗圖的對(duì)稱僅通過目測(cè)，無嚴(yán)格限定，不同觀察者可能有不同的結(jié)果；

漏斗圖只能對(duì)發(fā)表偏倚進(jìn)行粗略的定性判斷，特別是在被納入的獨(dú)立研究個(gè)數(shù)較少時(shí)，又增加了判斷漏斗圖中散點(diǎn)是否存在對(duì)稱性的難度；

可以使系統(tǒng)評(píng)價(jià)人員意識(shí)到存在的問題，但不能提供解決方法。

漏斗圖系列模板

尖頂型漏斗圖

數(shù)據(jù)可以通過Python進(jìn)行預(yù)處理然后導(dǎo)入模板進(jìn)行繪制。

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"類別",
[list(z) for z in zip(Faker.choose(), Faker.values())],
sort_="ascending",
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"))
.render("尖頂型漏斗.html")
)

Python繪制漏斗圖之可視化神器pyecharts_python

錐子型漏斗

只需要把數(shù)據(jù)進(jìn)行一定的排序就好了，當(dāng)然在日常的科研統(tǒng)計(jì)分析肯定不是簡(jiǎn)單的數(shù)據(jù)。

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add("類別", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"))
.render("錐子型漏斗.html")
)

Python繪制漏斗圖之可視化神器pyecharts_python_02

三角形漏斗

import pyecharts.options as opts
from pyecharts.charts import Funnel
x_data = ["展現(xiàn)", "點(diǎn)擊", "訪問", "咨詢", "訂單"]
y_data = [100, 80, 60, 40, 20]
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
(
Funnel(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add(
series_name="",
data_pair=data,
gap=2,
tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/> : {c}%"),
label_opts=opts.LabelOpts(is_show=True, position="inside"),
itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
)
.set_global_opts(title_opts=opts.TitleOpts(title="漏斗圖", subtitle="123"))
.render("三角形漏斗.html")
)

Python繪制漏斗圖之可視化神器pyecharts_數(shù)據(jù)可視化_03

連接型漏斗

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"類別",
[list(z) for z in zip(Faker.choose(), Faker.values())],
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標(biāo)題"))
.render("連接型漏斗.html")
)

Python繪制漏斗圖之可視化神器pyecharts_Python繪制漏斗圖_04