快捷導(dǎo)航

如何用Python數(shù)據(jù)可視化來分析用戶留存率

更新時間：2021年09月25日 10:38:58 投稿：zhanglei

今天和大家來分享一些數(shù)據(jù)可視化方向的干貨，我們來嘗試用Python來繪制一下“漏斗圖”，感興趣的小伙伴和小編一起進入課題吧，但愿大家會有所收獲

關(guān)于“漏斗圖”

漏斗圖常用于用戶行為的轉(zhuǎn)化率分析，例如通過漏斗圖來分析用戶購買流程中各個環(huán)節(jié)的轉(zhuǎn)化率。當(dāng)然在整個分析過程當(dāng)中，我們會把流程優(yōu)化前后的漏斗圖放在一起，進行比較分析，得出相關(guān)的結(jié)論，今天小編就用“matplotlib”、“plotly”以及“pyecharts”這幾個模塊來為大家演示一下怎么畫出好看的漏斗圖首先我們先要導(dǎo)入需要用到的模塊以及數(shù)據(jù)，

import matplotlib.pyplot as plt 
import pandas as pd 
df = pd.DataFrame({"環(huán)節(jié)": ["環(huán)節(jié)一", "環(huán)節(jié)二", "環(huán)節(jié)三", "環(huán)節(jié)四", "環(huán)節(jié)五"],  
                   "人數(shù)": [1000, 600, 400, 250, 100],  
                   "總體轉(zhuǎn)化率": [1.00, 0.60, 0.40, 0.25, 0.1]})

需要用到的數(shù)據(jù)如下圖所示：

用matplotlib來制作漏斗圖，制作出來的效果可能會稍顯簡單與粗糙，制作的原理也比較簡單，先繪制出水平方向的直方圖，然后利用plot.barh()當(dāng)中的“l(fā)eft”參數(shù)將直方圖向左移，便能出來類似于漏斗圖的模樣

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[idx], x[idx], left = idx+5) 
plt.xlim(x_min, x_max)

而要繪制出我們想要的想要的漏斗圖的模樣，代碼示例如下

from matplotlib import font_manager as fm 
# funnel chart 
y = [5,4,3,2,1] 
labels = df["環(huán)節(jié)"].tolist() 
x = df["人數(shù)"].tolist() 
x_range = 100 
font = 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('每個環(huán)節(jié)的流失率', fontproperties=font, loc='center', fontsize=24, color='#2A2A2A') 
plt.show()

繪制出來的漏斗圖如下圖所示

當(dāng)然我們用plotly來繪制的話則會更加的簡單一些，代碼示例如下

import plotly.express as px 
data = dict(values=[80,73,58,42,23], 
            labels=['環(huán)節(jié)一', '環(huán)節(jié)二', '環(huán)節(jié)三', '環(huán)節(jié)四', '環(huán)節(jié)五']) 
fig = px.funnel(data, y='labels', x='values') 
fig.show()

最后我們用pyecharts模塊來繪制一下，當(dāng)中有專門用來繪制“漏斗圖”的方法，我們只需要調(diào)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", height="600px",theme = ThemeType.INFOGRAPHIC )) 
    .add( 
        "環(huán)節(jié)", 
        df[["環(huán)節(jié)","總體轉(zhuǎn)化率"]].values, 
        sort_="descending", 
        label_opts=opts.LabelOpts(position="inside"), 
    ) 
    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts漏斗圖", pos_bottom = "90%", pos_left = "center")) 
) 
c.render_notebook()

我們將數(shù)據(jù)標(biāo)注上去之后

c = ( 
    Funnel(init_opts=opts.InitOpts(width="900px", height="600px",theme = ThemeType.INFOGRAPHIC )) 
    .add( 
        "商品", 
        df[["環(huán)節(jié)","總體轉(zhuǎn)化率"]].values, 
        sort_="descending", 
        label_opts=opts.LabelOpts(position="inside"), 
    ) 
    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts漏斗圖", pos_bottom = "90%", pos_left = "center")) 
    .set_series_opts(label_opts=opts.LabelOpts(formatter=":{c}")) 
) 
c.render_notebook()

到此這篇關(guān)于如何用Python數(shù)據(jù)可視化來分析用戶留存率的文章就介紹到這了,更多相關(guān)用Python數(shù)據(jù)可視化來分析用戶留存率內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: