快捷導(dǎo)航

一文教你如何使用Python繪制瀑布圖

更新時(shí)間：2023年04月19日 09:12:15 作者：快學(xué)Python

什么是瀑布圖？瀑布圖用表達(dá)兩個(gè)數(shù)值之間的變化過(guò)程，過(guò)程值為正的時(shí)候，向上加，過(guò)程值為負(fù)的時(shí)候向下減。本文就帶大家學(xué)習(xí)一下如何用Python繪制瀑布圖吧

前期準(zhǔn)備

首先先安裝所需的庫(kù)：

pip?install?waterfallcharts?(注意該庫(kù)名)
pip?install?waterfall_ax?(注意該庫(kù)名)
pip?install?plotly

接著導(dǎo)入要搭配使用的Pandas庫(kù)和Matplotlib庫(kù)：

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

準(zhǔn)備一些模擬數(shù)據(jù)，用于后續(xù)不同的Python庫(kù)繪制瀑布圖。

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

首先我們使用waterfall_ax庫(kù)，它是基于 Matplotlib 來(lái)創(chuàng)建靈活的瀑布圖。

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，快學(xué)Python！")

需要注意一點(diǎn)，waterfall_ax這個(gè)庫(kù)使用的是 Python 列表，所以在上面代碼中我們將Pandas的"users"列通過(guò)to_list轉(zhuǎn)為了列表。

此外，我們還可以增加更多的參數(shù)，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，快學(xué)Python！")

方法二：waterfall_chart

方法二是使用waterfall_chart庫(kù)，不過(guò)會(huì)較上一個(gè)方法多一個(gè)步驟，即需要加一個(gè)包含增量的列[2]。如下所示，我們可以向dataframe中添加一個(gè)新列并計(jì)算得到增量diff。

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

在交互式環(huán)境中輸入如下命令，

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

運(yùn)行輸出：

waterfall_chart庫(kù)同樣也可以增加其他參數(shù)，本文不再做單獨(dú)展示。

方法三：plotly

前面的兩種方法相對(duì)來(lái)說(shuō)比較小眾一點(diǎn)，那么方法三用到的plotly庫(kù)大家一定都比較熟悉。與waterfall_chart庫(kù)一樣，在繪制之前也需要多一步進(jìn)行數(shù)據(jù)處理。

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

在交互式環(huán)境中輸入如下命令：

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，快學(xué)Python！",
????showlegend=False
)

fig.show()

使用plotly庫(kù)有一個(gè)非常大的優(yōu)勢(shì)，這些圖是完全交互的，我們可以放大，也可以通過(guò)選項(xiàng)來(lái)獲取更多信息，如下圖所示。

另外，與之前兩種方法繪制的圖相比，剛剛plotly庫(kù)繪制的圖少了一個(gè)“柱子”顯示凈/總計(jì)?？梢赃@樣處理：

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)

用于生成瀑布圖的Python代碼實(shí)際上并未改變，唯一的區(qū)別是我們使用的DataFrame增加一個(gè)額外行。

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，快學(xué)Python！",
????showlegend=False
)

fig.show()

運(yùn)行輸出：