数据可视化艺术:Pyecharts漏斗图的参数解析与实用代码实例【第44篇—python:Pyecharts漏斗图】

本文主要是介绍数据可视化艺术:Pyecharts漏斗图的参数解析与实用代码实例【第44篇—python:Pyecharts漏斗图】,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

文章目录

    • 1. 安装Pyecharts
    • 2. 导入必要的库
    • 3. 参数说明与实战演练
      • 3.1 基础漏斗图
      • 3.2 自定义颜色和标签
      • 3.3 漏斗图的样式和配置
    • 4. 数据处理与漏斗图组合
      • 4.1 数据处理与漏斗图组合
    • 5. 进阶应用:动态漏斗图
    • 6. 补充:交互式漏斗图
    • 7. 高级应用:漏斗图与时间轴
    • 8. 总结

随着数据可视化技术的不断发展,炫酷而富有表现力的漏斗图成为了数据分析和展示中的一种重要工具。在Python中,Pyecharts作为一款强大的数据可视化库,提供了丰富的图表类型,其中包括了多种炫酷的漏斗图。本文将深入探讨Pyecharts中绘制多种漏斗图的参数说明,并通过实例代码演示如何使用这些参数进行炫酷漏斗图的绘制。

1. 安装Pyecharts

首先,确保你已经安装了Pyecharts库。如果没有安装,可以通过以下命令进行安装:

pip install pyecharts

2. 导入必要的库

在开始之前,我们需要导入一些必要的库,包括pyechartspyecharts.charts

from pyecharts import options as opts
from pyecharts.charts import Funnel

3. 参数说明与实战演练

3.1 基础漏斗图

首先,我们从最基础的漏斗图开始,演示如何绘制一个简单的漏斗:

data = [("访问", 100),("点击", 80),("浏览", 60),("咨询", 40),("订单", 20)]funnel_base = (Funnel().add("", data).set_global_opts(title_opts=opts.TitleOpts(title="基础漏斗图")))
funnel_base.render("funnel_base.html")

在上述代码中,我们通过Funnel类创建了一个基础漏斗图,并设置了相应的数据和标题。运行后,你将在当前目录下生成一个名为funnel_base.html的HTML文件,打开该文件即可查看基础漏斗图。

3.2 自定义颜色和标签

漏斗图的颜色和标签对于图表的可读性和吸引力至关重要。以下代码演示如何自定义漏斗图的颜色和标签:

data = [("访问", 100),("点击", 80),("浏览", 60),("咨询", 40),("订单", 20)]funnel_custom = (Funnel().add("", data,label_opts=opts.LabelOpts(position="inside", formatter="{b}:{c}%"),itemstyle_opts=opts.ItemStyleOpts(color="skyblue", border_color="purple")).set_global_opts(title_opts=opts.TitleOpts(title="自定义颜色和标签")))
funnel_custom.render("funnel_custom.html")

在上述代码中,我们通过label_opts参数设置标签的位置和格式,通过itemstyle_opts参数设置漏斗图的颜色。运行后,你将在当前目录下生成一个名为funnel_custom.html的HTML文件,打开该文件即可查看自定义颜色和标签的漏斗图。
在这里插入图片描述

3.3 漏斗图的样式和配置

漏斗图的样式和配置项有很多,可以根据实际需求进行灵活调整。以下是一个示例代码,演示如何调整漏斗图的样式和配置:

data = [("访问", 100),("点击", 80),("浏览", 60),("咨询", 40),("订单", 20)]funnel_style = (Funnel().add("", data,label_opts=opts.LabelOpts(position="inside", formatter="{b}:{c}%"),itemstyle_opts=opts.ItemStyleOpts(color="lightgreen", border_color="orange", border_width=2)).set_global_opts(title_opts=opts.TitleOpts(title="漏斗图样式和配置")))
funnel_style.render("funnel_style.html")

在上述代码中,我们通过itemstyle_opts参数设置漏斗图的样式,包括颜色、边框颜色和边框宽度。运行后,你将在当前目录下生成一个名为funnel_style.html的HTML文件,打开该文件即可查看漏斗图样式和配置的效果。

通过本文的示例代码,你可以深入了解Pyecharts中绘制多种炫酷漏斗图的参数说明,并根据实际需求进行灵活配置。希望这些实例能够帮助你更好地利用Pyecharts进行数据可视化,制作出令人印象深刻的炫酷漏斗图。

4. 数据处理与漏斗图组合

4.1 数据处理与漏斗图组合

在实际应用中,数据通常需要经过一些处理才能绘制出更有意义的漏斗图。以下代码演示如何对数据进行处理,并将多个漏斗图组合在一起:

from pyecharts.commons.utils import JsCodedata = [("访问", 100),("点击", 80),("浏览", 60),("咨询", 40),("订单", 20)]data_processed = [(item[0], item[1] * 1.5) for item in data]  # 对数据进行处理funnel_combined = (Funnel().add("漏斗图1", data, gap=5, label_opts=opts.LabelOpts(position="inside")).add("漏斗图2", data_processed, gap=5, label_opts=opts.LabelOpts(position="inside"),tooltip_opts=opts.TooltipOpts(formatter=JsCode("function (params) {return params.data[0] + ': ' + params.data[1] / 1.5 + '%';}"))).set_global_opts(title_opts=opts.TitleOpts(title="多漏斗图组合")))
funnel_combined.render("funnel_combined.html")

在上述代码中,我们首先通过data_processed对原始数据进行处理,然后使用add方法将两个漏斗图组合在一起,并通过gap参数调整它们之间的间距。同时,我们还通过tooltip_opts参数定制了漏斗图2的提示框内容,以显示处理后的百分比。运行后,你将在当前目录下生成一个名为funnel_combined.html的HTML文件,打开该文件即可查看多个漏斗图组合的效果。

在这里插入图片描述

5. 进阶应用:动态漏斗图

在实际项目中,为了吸引用户的注意力,有时候需要呈现更为生动的漏斗图,比如动态漏斗图。下面的代码演示了如何利用Pyecharts实现一个简单的动态漏斗图:

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.globals import ThemeType# 数据
data = [("访问", 100),("点击", 80),("浏览", 60),("咨询", 40),("订单", 20)]# 动态漏斗图
def dynamic_funnel() -> Funnel:c = (Funnel(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)).add(series_name="",data_pair=data,gap=5,label_opts=opts.LabelOpts(position="inside"),itemstyle_opts=opts.ItemStyleOpts(border_color="rgba(255, 69, 0, 0.7)", border_width=3,color="rgba(255, 69, 0, 0.2)")).set_global_opts(title_opts=opts.TitleOpts(title="动态漏斗图")))return c# 渲染并保存为HTML文件
dynamic_funnel().render("dynamic_funnel.html")

在这个例子中,我们通过Funnel类创建一个动态漏斗图,通过不同颜色的边框和背景色营造出动态感。通过调整border_colorcolor参数,你可以实现更为炫酷的效果。

6. 补充:交互式漏斗图

在一些需要用户交互的应用场景中,交互式漏斗图是非常有用的。Pyecharts提供了丰富的交互功能,以下是一个简单的交互式漏斗图示例:

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.globals import ThemeType# 数据
data = [("访问", 100),("点击", 80),("浏览", 60),("咨询", 40),("订单", 20)]# 交互式漏斗图
def interactive_funnel() -> Funnel:c = (Funnel(init_opts=opts.InitOpts(theme=ThemeType.MACARONS)).add(series_name="",data_pair=data,gap=5,label_opts=opts.LabelOpts(position="inside"),itemstyle_opts=opts.ItemStyleOpts(border_color="rgba(255, 69, 0, 0.7)", border_width=3,color="rgba(255, 69, 0, 0.2)")).set_global_opts(title_opts=opts.TitleOpts(title="交互式漏斗图"),toolbox_opts=opts.ToolboxOpts(is_show=True, feature={"saveAsImage": {}}),tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} : {c}%")))return c# 渲染并保存为HTML文件
interactive_funnel().render("interactive_funnel.html")

在这个例子中,我们通过toolbox_opts参数启用了工具箱,用户可以通过保存为图片等功能与漏斗图进行交互。另外,通过tooltip_opts参数,我们设置了鼠标悬浮在漏斗图上时的提示信息,提高了图表的可读性。
在这里插入图片描述

7. 高级应用:漏斗图与时间轴

在一些需要展示数据随时间变化的场景中,结合时间轴与漏斗图进行可视化,可以更生动地呈现数据的演变过程。以下是一个演示如何使用时间轴结合漏斗图的高级应用示例:

from pyecharts import options as opts
from pyecharts.charts import Funnel, Timeline
from pyecharts.globals import ThemeType# 数据
data_list = [[("访问", 100), ("点击", 80), ("浏览", 60), ("咨询", 40), ("订单", 20)],[("访问", 90), ("点击", 70), ("浏览", 50), ("咨询", 30), ("订单", 10)],[("访问", 80), ("点击", 60), ("浏览", 40), ("咨询", 20), ("订单", 5)],
]# 创建时间轴漏斗图
def timeline_funnel() -> Timeline:tl = Timeline(init_opts=opts.InitOpts(theme=ThemeType.MACARONS))for i, data in enumerate(data_list):funnel = (Funnel().add(series_name="",data_pair=data,gap=5,label_opts=opts.LabelOpts(position="inside"),itemstyle_opts=opts.ItemStyleOpts(border_color="rgba(255, 69, 0, 0.7)", border_width=3,color="rgba(255, 69, 0, 0.2)")).set_global_opts(title_opts=opts.TitleOpts(title=f"时间段{i+1}")))tl.add(funnel, f"{i+1}")return tl# 渲染并保存为HTML文件
timeline_funnel().render("timeline_funnel.html")

在上述代码中,我们通过Timeline类创建了一个包含多个时间段的漏斗图,并通过循环添加每个时间段的漏斗图。通过时间轴,用户可以逐步了解数据在不同时间段的变化情况。

8. 总结

通过本文的高级应用示例,你学会了如何结合时间轴与漏斗图进行可视化,使得数据变化的过程更加清晰。这种高级应用的漏斗图在业务报告、数据展示等场景中具有更强的表现力和解释性。

在实际项目中,你可以根据需求进一步调整时间轴的样式、漏斗图的参数,以及其他定制化的设置,以满足更具体的可视化需求。希望这一高级应用示例能够拓展你在Pyecharts中使用漏斗图的思路。

这篇关于数据可视化艺术:Pyecharts漏斗图的参数解析与实用代码实例【第44篇—python:Pyecharts漏斗图】的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/657494

相关文章

网页解析 lxml 库--实战

lxml库使用流程 lxml 是 Python 的第三方解析库,完全使用 Python 语言编写,它对 XPath表达式提供了良好的支 持,因此能够了高效地解析 HTML/XML 文档。本节讲解如何通过 lxml 库解析 HTML 文档。 pip install lxml lxm| 库提供了一个 etree 模块,该模块专门用来解析 HTML/XML 文档,下面来介绍一下 lxml 库

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

python: 多模块(.py)中全局变量的导入

文章目录 global关键字可变类型和不可变类型数据的内存地址单模块(单个py文件)的全局变量示例总结 多模块(多个py文件)的全局变量from x import x导入全局变量示例 import x导入全局变量示例 总结 global关键字 global 的作用范围是模块(.py)级别: 当你在一个模块(文件)中使用 global 声明变量时,这个变量只在该模块的全局命名空

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

Andrej Karpathy最新采访:认知核心模型10亿参数就够了,AI会打破教育不公的僵局

夕小瑶科技说 原创  作者 | 海野 AI圈子的红人,AI大神Andrej Karpathy,曾是OpenAI联合创始人之一,特斯拉AI总监。上一次的动态是官宣创办一家名为 Eureka Labs 的人工智能+教育公司 ,宣布将长期致力于AI原生教育。 近日,Andrej Karpathy接受了No Priors(投资博客)的采访,与硅谷知名投资人 Sara Guo 和 Elad G

C++11第三弹:lambda表达式 | 新的类功能 | 模板的可变参数

🌈个人主页: 南桥几晴秋 🌈C++专栏: 南桥谈C++ 🌈C语言专栏: C语言学习系列 🌈Linux学习专栏: 南桥谈Linux 🌈数据结构学习专栏: 数据结构杂谈 🌈数据库学习专栏: 南桥谈MySQL 🌈Qt学习专栏: 南桥谈Qt 🌈菜鸡代码练习: 练习随想记录 🌈git学习: 南桥谈Git 🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈🌈�