一文教你如何使用Python绘制瀑布图

目录

• 前期准备
• 方法一：waterfall_ax
• 方法二：waterfall_chart
• 方法三：plotly

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：

pipinstallwaterfallcharts(注意该库名)
pipinstallwaterfall_ax(注意该库名)
pipinstallplotly

接着导入要搭配使用的Pandas库和Matplotlib库：

importpandasASPd
importmatplotlib.pyplotasplt
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":["2021end","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。

https://github.com/microsoft/waterfall_ax

fromwaterfall_aximportWaterfallChart
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["ti开发者_JS培训me"].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编程客栈_chart

方法二是使用waterfall_chttp://www.devze.comhart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。

importwaterfall_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RCZVoBJE式环境中输入如下命令：

fig=go.Figure(
go.Waterfall(
measure=df_2["measure"],
x=df_2["time"],
textposiRCZVoBJEtion="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",
"usejsrs":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。

以上就是一文教你如何使用Python绘制瀑布图的详细内容，更多关于Python绘制瀑布图的资料请关注我们其它相关文章！