• 阅读: 191 回复: 0
    关于数据分析与可视化

    干货分享 | 看如何用Python数据可视化来分析用户留存率,建议收藏

    楼主 发表于 2021-09-16 14:45:24

    今天和大家来分享一些数据可视化方向的干货,我们来尝试用Python来绘制一下“漏斗图”,但愿大家在看完本篇文章之后会有所收获。

    关于“漏斗图”

    漏斗图常用于用户行为的转化率分析,例如通过漏斗图来分析用户购买流程中各个环节的转化率。当然在整个分析过程当中,我们会把流程优化前后的漏斗图放在一起,进行比较分析,得出相关的结论,今天小编就用“matplotlib”、“plotly”以及“pyecharts”这几个模块来为大家演示一下怎么画出好看的漏斗图

    首先我们先要导入需要用到的模块以及数据,

    •  
    •  
    •  
    •  
    •  
    import matplotlib.pyplot as pltimport pandas as pddf = pd.DataFrame({"环节": ["环节一", "环节二", "环节三", "环节四", "环节五"],                    "人数": [1000, 600, 400, 250, 100],                    "总体转化率": [1.00, 0.60, 0.40, 0.25, 0.1]})

     

    需要用到的数据如下图所示

    用matplotlib来制作漏斗图,制作出来的效果可能会稍显简单与粗糙,制作的原理也比较简单,先绘制出水平方向的直方图,然后利用plot.barh()当中的“left”参数将直方图向左移,便能出来类似于漏斗图的模样

    •  
    •  
    •  
    •  
    •  
    •  
    •  
    y = [5,4,3,2,1]x = [85,75,58,43,23]x_max = 100x_min = 0for idx, val in enumerate(x):    plt.barh(y[idx], x[idx], left = idx+5)plt.xlim(x_min, x_max)

    而要绘制出我们想要的想要的漏斗图的模样,代码示例如下

    •  
    •  
    •  
    •  
    •  
    •  
    •  
    from matplotlib import font_manager as fm# funnel charty = [5,4,3,2,1]labels = df["环节"].tolist()x = df["人数"].tolist()x_range = 100font = fm.FontProperties(fname="KAITI.ttf")
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    fig, ax = plt.subplots(1, figsize=(12,6))for idx, val in enumerate(x):    left = (x_range - val)/2    plt.barh(y[idx], x[idx], left = left, color='#808B96', height=.8, edgecolor='black')    # label    plt.text(50, y[idx]+0.1, labels[idx], ha='center',             fontproperties=font, fontsize=16, color='#2A2A2A')    # value    plt.text(50, y[idx]-0.3, x[idx], ha='center',             fontproperties=font, fontsize=16, color='#2A2A2A')        if idx != len(x)-1:        next_left = (x_range - x[idx+1])/2        shadow_x = [left, next_left,                     100-next_left, 100-left, left]        shadow_y = [y[idx]-0.4, y[idx+1]+0.4,                     y[idx+1]+0.4, y[idx]-0.4, y[idx]-0.4]        plt.plot(shadow_x, shadow_y)plt.xlim(x_min, x_max)plt.axis('off')plt.title('每个环节的流失率', fontproperties=font, loc='center', fontsize=24, color='#2A2A2A')plt.show()

    绘制出来的漏斗图如下图所示

    当然我们用plotly来绘制的话则会更加的简单一些,代码示例如下

    •  
    •  
    •  
    •  
    •  
    import plotly.express as pxdata = dict(values=[80,73,58,42,23],            labels=['环节一', '环节二', '环节三', '环节四', '环节五'])fig = px.funnel(data, y='labels', x='values')fig.show()

    最后我们用pyecharts模块来绘制一下,当中有专门用来绘制“漏斗图”的方法,我们只需要调用即可

    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    from pyecharts.charts import Funnelfrom pyecharts import options as optsfrom pyecharts.globals import ThemeType
    c = (    Funnel(init_opts=opts.InitOpts(width="900px", height="600px",theme = ThemeType.INFOGRAPHIC ))    .add(        "环节",        df[["环节","总体转化率"]].values,        sort_="descending",        label_opts=opts.LabelOpts(position="inside"),    )    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts漏斗图", pos_bottom = "90%", pos_left = "center")))c.render_notebook()

    我们将数据标注上去之后

    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    •  
    c = (    Funnel(init_opts=opts.InitOpts(width="900px", height="600px",theme = ThemeType.INFOGRAPHIC ))    .add(        "商品",        df[["环节","总体转化率"]].values,        sort_="descending",        label_opts=opts.LabelOpts(position="inside"),    )    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts漏斗图", pos_bottom = "90%", pos_left = "center"))    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}")))c.render_notebook()

    本文内容转载自“关于数据分析与可视化”(ID:dylanxia2019),作者俊欣。

热门文章

数据可视化的意义与案例分享

「数据治理那点事」系列之三:不忘初心方得始终,数据质量治理?

「数据治理那点事」系列之一:那些年我们一起踩过的坑

「数据治理那点事」系列之二:手握数据「户口本」,数据治理肯定稳!

最新文章

我常用的两个可视化工具,Echarts和Tableau

是分是合,影响研发组织设计的主要因素

《深度剖析原型设计:认知、设计和规范最佳实践!》

详解数据可视化的4种类型:手把手教你正确选择图表

  • 未登录

    回复楼主

    登录后可回复
    /1000