查看原文
其他

数据可视化 | 别再问我如何用Python绘制瀑布图了!

数据Seminar 2023-05-04

The following article is from 快学Python Author 快快

▍本文转载自公众号【快学Python】

什么是瀑布图?瀑布图用表达两个数值之间的变化过程,过程值为正的时候,向上加,过程值为负的时候向下减。[1]

今天分享在Python中绘制瀑布图的3种简单方法(使用不同的库)!

前期准备

首先先安装所需的库:

pip install waterfallcharts (注意该库名)
pip install waterfall_ax (注意该库名)
pip install plotly

接着导入要搭配使用的Pandas库和Matplotlib库:

import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = (16, 8)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False

准备一些模拟数据,用于后续不同的Python库绘制瀑布图。

df = pd.DataFrame(
    data={
        "time": ["2021 end""Jan""Feb""Mar""Apr""May""Jun""Jul""Aug""Sep""Oct""Nov""Dec"],
        "users": [100, 120, 110, 150, 160, 190, 240, 200, 230, 240, 250, 280, 300]
    }
)

方法一:waterfall_ax

首先我们使用waterfall_ax库,它是基于 Matplotlib 来创建灵活的瀑布图。

数据资源:https://github.com/microsoft/waterfall_ax

from waterfall_ax import WaterfallChart
fig, ax = plt.subplots(1, 1, figsize=(16, 8))
waterfall = WaterfallChart(df["users"].to_list())
wf_ax = waterfall.plot_waterfall(ax=ax, title="人生苦短,快学Python!")

需要注意一点,waterfall_ax这个库使用的是 Python 列表,所以在上面代码中我们将Pandas的"users"列通过to_list转为了列表。

此外,我们还可以增加更多的参数,如下所示:

fig, ax = plt.subplots(1, 1, figsize=(16, 8))
waterfall = WaterfallChart(
    df["users"].to_list(),
    step_names=df["time"].to_list(), 
    metric_name="# users"
    last_step_label="now"
)
wf_ax = waterfall.plot_waterfall(ax=ax, title="人生苦短,快学Python!")

方法二:waterfall_chart

方法二是使用waterfall_chart库,不过会较上一个方法多一个步骤,即需要加一个包含增量的列[2]。如下所示,我们可以向dataframe中添加一个新列并计算得到增量diff

import waterfall_chart
df_1 = df.copy()
df_1["delta"] = df_1["users"].diff().fillna(100)
df_1

在交互式环境中输入如下命令,

waterfall_chart.plot(df_1["time"], df_1["delta"])

运行输出:

waterfall_chart库同样也可以增加其他参数,本文不再做单独展示。

方法三:plotly

前面的两种方法相对来说比较小众一点,那么方法三用到的plotly库大家一定都比较熟悉。与waterfall_chart库一样,在绘制之前也需要多一步进行数据处理。

df_2 = df_1.copy()
df_2["delta_text"] = df_2["delta"].astype(str)
df_2["measure"] = ["absolute"] + (["relative"] * 12)
df_2

在交互式环境中输入如下命令:

fig = go.Figure(
    go.Waterfall(
        measure=df_2["measure"],
        x=df_2["time"],
        textposition="outside",
        text=df_2["delta_text"],
        y=df_2["delta"],
    )
)

fig.update_layout(
    title="人生苦短,快学Python!",
    showlegend=False
)

fig.show()

使用plotly库有一个非常大的优势,这些图是完全交互的,我们可以放大,也可以通过选项来获取更多信息,如下图所示。

另外,与之前两种方法绘制的图相比,刚刚plotly库绘制的图少了一个“柱子”显示净/总计。可以这样处理:

total_row = pd.DataFrame(
    data={
        "time""now"
        "users": 0, 
        "delta":0, 
        "delta_text"""
        "measure""total"
    }, 
    index=[0]
)
df_3 = pd.concat([df_2, total_row], ignore_index=True)

用于生成瀑布图的Python代码实际上并未改变,唯一的区别是我们使用的DataFrame增加一个额外行。

fig = go.Figure(
    go.Waterfall(
        measure=df_3["measure"],
        x=df_3["time"],
        textposition="outside",
        text=df_3["delta_text"],
        y=df_3["delta"],
    )
)

fig.update_layout(
    title="人生苦短,快学Python!",
    showlegend=False
)

fig.show()

运行输出:

如果你对使用plotly 绘制瀑布图感兴趣,可以访问链接https://plotly.com/python/waterfall-charts/ 了解更多。

参考资料

[1]

超详细的数据可视化设计指南:https://mp.weixin.qq.com/s/AYQr9rN1mpZWsAxaM24obw

[2]

[3 Simple Ways to Create a Waterfall Plot in Python]:https://towardsdatascience.com/



星标⭐我们不迷路!想要文章及时到,文末“在看”少不了!

点击搜索你感兴趣的内容吧




数据Seminar




这里是大数据、分析技术与学术研究的三叉路口


推荐 | 蛇蝎美人


    欢迎扫描👇二维码添加关注    

点击下方“阅读全文”了解更多

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存