看如何用Python数据可视化来分析用户留存率,建议收藏
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 plt import pandas as pd df = pd.DataFrame({"环节": [看如"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.何用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 = 100 x_min = 0 for idx, val in enumerate(x): plt.barh(y[iPydx], 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 chart y = [5,4,3,2,1] labels = df["环节"].tolist() x = df["人数"].tolist() x_range = 100 font = fm.FontPropethrties(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')  on; # 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[id数据x], ha='center', fontproperties=font, fontsize=16, color='#2A2A2A') if idx != len(x)-1: next_left = (x_range - x[idx+1])/2 &nbs可视p; shadow_x = [left, next_left, 100-next_left, 100-left, left] shadow_y = [y[idx]-0.4, y[idx+1]+0.4, &nb化来sp; 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', font分析size=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 px data = 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='label用户s', 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 Funnel from pyecharts import options as opts from pyecharts.globals import ThemeType c = ( Funnel(init_opts=opts.InitOpts(width="900px",&nb留存sp;height="600px",theme = ThemeType.INFOGRAPHIC )) .add( "环节", df[["环节","总体转化率"]].values, sort_="descending", label_opts=opts.La率,belOpts(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="建议600px",theme = ThemeType.INFOGRAPHIC )) .add( "商品", df[["环节","总体转化率"]].values, sort_="descending", label_opts=opts.LabelOpts(posi收藏tion="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()
- ·云计算开发实例:Python3将字符串的时间转换为时间戳
- ·图样图森破-pyecharts之地图
- ·台积电股票开盘下跌3.87% 此前英特尔宣布建立芯片代工工厂
- ·OpenAI 发布革命性 GPT-5-Codex 模型,编程未来触手可及
- ·Vidu Q2全面升级:参考生视频提速三倍,支持长达五分钟 AI 故事创作
- ·AI 在日本大学入学考试中表现惊艳,ChatGPT 超越人类状
- ·人工智能能和人类辩论了:开场白出色,但还是输给专业辩手
- ·标签: 中远海控 集装箱航运 码头业务 SCFI
- ·阿里云将在沙特提供公共云服务 未来五年投资5亿美元
- ·标签: 保时捷 Cellforce 布加迪 莱特斯
- ·告别“原型困境”:Anything获1亿美元估值,用全栈AI工具颠覆应用开发
- ·标签: vivo Pocket云台 云台相机 1/1.1英寸
- ·机密文件:谷歌计划在所有平台分销游戏 包括Mac
- ·Verizon灏嗘妸璋锋瓕Messages浣滀负榛樿�娑堟伅搴旂敤锛氬�鎶楄嫻鏋渋Message
- ·标签: 苹果 iPhone 17 Pro Max 16e Counterpoint Research
- ·标签: 上海市网信办 个人信息保护 App监管 2026专项行动
- ·标签: 小米 MiMo-V2-Flash 开源模型 混合滑动窗口
- ·谷歌无人驾驶业务Waymo拟融资40亿美元 考虑分拆上市
- ·云计算核心技术Docker教程:Docker Hub从BitBucket配置自动化构建
- ·谷歌地图推出新功能:可室内导航 可让司机选择环保路线
- ·大数据在抗击冠状病毒疫情中的作用
- ·标签: 金智维 AI数字员工 港交所上市 金融科技
- ·标签: OpenAI 萨姆·奥尔特曼 首次公开募股 人工智能
- ·标签: 华勤技术 港交所 IPO ODM
- ·云安全日报210628:IBM企业电子记录解决方案发现执行任意代码漏洞,需要尽快升级
- ·Meta 遭起诉涉嫌非法下载色情内容用于 AI 训练,申请驳回诉讼
