可视化神器Plotly玩转漏斗图

可视化神器Plotly玩转漏斗图

本文中详细介绍的是如何利用plotly来绘制漏斗图，前面的3篇文章是

• 酷炫！36张图爱上高级可视化神器Plotly_Express
• Plotly玩转散点图
• Plotly玩转饼图

认识漏斗图

漏斗图是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

导入库

基于两种方式实现：

• plotly_express ：px
• plotly.graph_objects：go

import pandas as pd
import numpy as np

# plotly两个绘图接口
import plotly_express  as px
import plotly.graph_objects as go

基于px实现

基础漏斗图

模拟一份商城数据：

data1 = pd.DataFrame({
    "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 = px.funnel(
    data1,  # 待绘图数据
    x="number",  # x轴的数据
    y="stage"  # y轴的数据
)

fig.show()

我们还可以加上一个颜色参数color：

# 加上颜色参数color

fig = px.funnel(
  data1,
  x="number",
  y="stage",
  color="number"  # 颜色参数
)

fig.show()

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 = px.funnel(
  data1,
  x="number",
  y="stage",
  color="stage"   # ！！！改成stage
)

fig.show()

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 = px.funnel(
  data1[::-1],   # ！！！数据翻转
  x="number",
  y="stage",
  color="stage"   # ！！！改成stage
)

fig.show()

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2020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2020年3月

环比：相邻时期的对比，比如：2021年3月和2021年2月

1、2020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 = px.funnel(df3,x="number",y="stages",color="time")
fig.show()

绘制面积漏斗图

还是使用最上面的数据：

fig = px.funnel_area(
    data1,
    names = "stage",
    values = "number",
)

fig.show()

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 = go.Figure(go.Funnel(
    x=[1000,800,400,100],
    y=["浏览网站","加购","点击支付","支付成功"]
))

fig.show()

改变漏斗图的颜色和边框

from plotly import graph_objects as go

fig = go.Figure(go.Funnel(
    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 = 0.65,
    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}})
    )

fig.show()

我们需要主题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 = go.Figure()

fig.add_trace(go.Funnel(
    name = "2020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
))


fig.add_trace(go.Funnel(
    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"
))

fig.add_trace(go.Funnel(
    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"
))


fig.show()

在上面的图中，既可以观察到同比情况（2020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 = go.Figure(go.Funnelarea(
    text = ["浏览网站","加购","点击支付","支付成功"],
    values = [5000, 2000, 800, 500],

))

fig.show()

设置面积漏斗的颜色和边框

from plotly import graph_objects as go

fig = go.Figure(go.Funnelarea(
    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 = 0.65))  # 透明度
fig.show()

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 = go.Figure()

# 添加四组数据：第一季度到第四季度
fig.add_trace(go.Funnelarea(
    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, 0.5], # 图形位置
              "y": [0, 0.5]
             }))

fig.add_trace(go.Funnelarea(
    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, 0.5],
              "y": [0.55, 1]}))

fig.add_trace(go.Funnelarea(
    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": [0.55, 1],
              "y": [0, 0.5]}))

fig.add_trace(go.Funnelarea(
    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": [0.55, 1],
              "y": [0.55, 1]}))

fig.update_layout(
    margin = {"l": 100, "r": 100},   # 整个图形到左右边框的距离
    shapes = [
            {"x0": 0, "x1": 0.5, "y0": 0, "y1": 0.5},   # 添加4组位置
            {"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()