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": [1.0何用0, 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.FontPropertthies(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') &nbsonp; # 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],&nbs数据p;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, 化来 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', fontsize=24,分析 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='labels',&nb用户sp;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", height留存="600px",theme = ThemeType.INFOGRAPHIC )) .add( "环节", df[["环节","总体转化率"]].values, sort_="descending", label_opts=opts.LabelOpts(p率,osition="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="600px",th建议eme = ThemeType.INFOGRAPHIC )) .add( "商品", df[["环节","总体转化率"]].values, sort_="descending", label_opts=opts.LabelOpts(position="i收藏nside"), ) .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()
- 最近发表
- 随机阅读
-
- 美国东海岸大范围断网 谷歌、亚马逊等公司服务受影响
- 标签: 毫末智行 Momenta 蔡娜 HPilot
- 云计算核心技术Docker教程:Docker Compose指定compose配置文件
- 脑洞大开!抖音博主用AI制作名人穿越高考街采视频获赞百万
- 理想汽车OTA 8.0重磅上线,全球首个 VLA 司机大模型助力智能驾驶体验升级!
- 谷歌宣布在纽约市开设首家实体零售店 今夏开业
- Twitter正在开发订阅产品 以期降低对广告的依赖
- 想知道SaaS运行好不好?你得读懂这3类分析指标!
- Cherry Studio 与硅基流动深度合作,免费提供 Qwen38B 模型
- 英国外卖平台Deliveroo4月7日上市 亚马逊是最大受益者
- AI视频落地垂直领域!Runway开放模型微调权限,聚焦机器人与建筑业
- 标签: 美团 王兴 外卖价格战 即时零售
- 谷歌CEO为反垄断案辩解:在许多市场是失败者
- 标签: 立讯精密 苹果 RansomHub 勒索攻击
- 云计算核心技术Docker教程:Docker 使用网络端口映射连接
- 标签: 天博智能 汽车热管理 IPO 中信建投
- 标签: TCL 永乐款鎏金铜观音菩萨像 青海省博物馆 瞿昙寺
- 标签: 腾讯游戏 代号Craft AIGC游戏平台 SPARK2026
- 标签: 58集团 李子健 姚劲波 安居客
- 人工智能能否真正构建软件?Zed 编辑器团队给出了答案!
- 搜索
-
- 友情链接