前言
在日常生活中，我們的作業有時候需要對資料進行可視化，讓它一圖示之類的呈現出來，圖給人的感覺是最直觀的，并且能夠一眼就看到資料，
今天我們一起了解瀑布圖的重要性，以及如何使用不同的繪圖庫（如 Matplotlib、Plotly）繪制瀑布圖，
瀑布圖是一種二維圖表，專門用于了解隨著時間或多個步驟或變數的增量正負變化的影響，瀑布圖也稱為浮磚圖、飛磚圖，
瀑布圖
瀑布圖經常用于財務分析，以了解多種因素對特定物件的正面和負面影響，該圖表可以顯示基于時間或基于類別的效果，基于類別的圖表表示費用或銷售額的收益或損失或具有順序正值和負值的任何其他變數，基于時間的圖表表示一段時間內的收益或損失，
瀑布圖大多采用水平方式，它們從水平軸開始，由一系列與負面或正面評論相關的浮動列連接，有時，條形圖與圖表中的線條相連，
瀑布圖使用條件
讓我們舉個例子來了解何時何地使用瀑布圖，因為制作瀑布圖不是什么大問題，我們將使用一些虛擬資料和 Kaggle 資料集來構建瀑布圖，
舉個例子
試想下，一個普通的資料表，和一個驚艷的瀑布圖，哪個更方便閱讀？
這張表代表了整個一周的銷售資料，使用 seaborn 庫創建了熱圖*background_gradient
Python學習交流Q群：906715085### import seaborn as sns* #data a = ['mon','tue','wen','thu','fri','sat','sun'] b = [10,-30,-7.5,-25,95,-7,45] df2 = pd.DataFrame(b,a).reset_index().rename(columns={'index':'values',0:'week'}) #table cm = sns.light_palette("green", as_cmap=True) df2.style.background_gradient(cmap=cm)
將格式化的表單資料和瀑布圖放在一起查看，
該表按順序顯示了值的重要性，但讀取這些值非常困難，相反，我們可以很容易地看到，按x軸正方向的連貫性順序顯示資料，并且黃色條顯示減量，紅色條顯示增量，
Plotly 繪制瀑布圖
我們將要使用的資料取自Netflix 電影和電視節目的Kaggle資料，
我們將使用一個開源圖表庫 Plotly繪制，
匯入庫 import plotly.graph_objects as go 資料集 df = pd.read_csv(r'D:/netflix_titles.csv') 添加年和月并轉換為正確的日期時間格式 df["date_adding"] = pd.to_datetime(df['date_ added']) df['year_addition'] = df['date_ added'].dt.year df['month_ added'] = df['date_addition'].dt.month df.head(3) 準備資料 2 = df[df["type"] == "Movie"] col = "year_added" vc2 = d2[col].value_counts().reset_index().rename(columns = {col : "count", "index" : col}) vc2['percent'] = vc2['count'].apply(lambda x : 100*x/sum(vc2['count'])) vc2 = vc2.sort_values(col) 繪制瀑布圖 現在我們將使用 Plotly trace go.Waterfall() 制作一個瀑布圖， fig2 = go.Figure(go.Waterfall( name = "Movie", orientation = "v", x = ["2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018", "2019", "2020", "2021"], textposition = "auto", text = ["1", "2", "1", "13", "3", "6", "14", "48", "204", "743", "1121", "1366", "1228", "84"], y = [1, 2, -1, 13, -3, 6, 14, 48, 204, 743, 1121, 1366, -1228, -84], connector = {"line":{"color":"#b20710"}}, increasing = {"marker":{"color":"#b20710"}}, decreasing = {"marker":{"color":"orange"}}, ))
引數設定
go.Waterfall()的每個引數
?x: x軸上的值
?y: y軸上的值
?text: 將要在圖表上顯示的值
?textposition: 我們可以把文本放在圖表的柱狀圖內或柱狀圖上方
為何更加優雅的使用圖表，我們可以為圖表的條形及其連接線設定顏色，紅色表示增加，黃色表示減少，
圖表的引數
?connector: 為連接器線提供顏色
?increasing: 給遞增的條賦予顏色
?decreasing: 給遞減的條上色
其實，上面已經完成了瀑布圖的繪制，但若想他更加驚艷，可以進一步設定圖表，
fig2.update_xaxes(showgrid=False) fig2.update_yaxes(showgrid=False, visible=False) fig2.update_traces(hovertemplate=None) fig2.update_layout(title='Watching Movies over the year', height=350, margin=dict(t=80, b=20, l=50, r=50), hovermode="x unified", xaxis_title=' ', yaxis_title=" ", plot_bgcolor='#333', paper_bgcolor='#333', title_font=dict(size=25, color='#8a8d93', family="Lato, sans-serif"), font=dict(color='#8a8d93'))
update_layout引數，
?title： 圖表的標題
?margin: 設定圖表的邊距：上、下、左、右
?plot_bgcolor： 設定繪圖背景顏色
?paper_bgcolor： 設定紙張背景顏色
?font： 設定字體屬性
?title_font： 設定標題字體屬性
這里，通過使用 update_yaxes(visible=False) 隱藏了 y 軸，
完整代碼
d2 = df[df["type"] == "Movie"] col = "year_added" vc2 = d2[col].value_counts().reset_index().rename(columns = {col : "count", "index" : col}) vc2['percent'] = vc2['count'].apply(lambda x : 100*x/sum(vc2['count'])) vc2 = vc2.sort_values(col) fig2 = go.Figure(go.Waterfall( name = "Movie", orientation = "v", x = ["2008", "2009", "2010", "2011", "2012", "2013", "2014", "2015", "2016", "2017", "2018", "2019", "2020", "2021"], textposition = "auto", text = ["1", "2", "1", "13", "3", "6", "14", "48", "204", "743", "1121", "1366", "1228", "84"], y = [1, 2, -1, 13, -3, 6, 14, 48, 204, 743, 1121, 1366, -1228, -84], connector = {"line":{"color":"#b20710"}}, increasing = {"marker":{"color":"#b20710"}}, decreasing = {"marker":{"color":"orange"}}, )) fig2.update_xaxes(showgrid=False) fig2.update_yaxes(showgrid=False, visible=False) fig2.update_traces(hovertemplate=None) fig2.update_layout(title='Watching Movies over the year', height=350, margin=dict(t=80, b=20, l=50, r=50), hovermode="x unified", xaxis_title=' ', yaxis_title=" ", plot_bgcolor='#333', paper_bgcolor='#333', title_font=dict(size=25, color='#8a8d93', family="Lato, sans-serif"), font=dict(color='#8a8d93'))
Matplotlib繪制瀑布圖
使用Matplotlib 繪制瀑布圖，需要安裝第三方繪圖庫waterfallcharts，即使用 pip 安裝瀑布圖庫，
pip install waterfallcharts
匯入庫 import pandas as pd import waterfall_chart import matplotlib.pyplot as plt %matplotlib inline 繪制瀑布圖 為每周的銷售資料繪制一個瀑布圖， a = ['mon','tue','wen','thu','fri','sat','sun'] b = [10,-30,-7.5,-25,95,-7,45] waterfall_chart.plot(a, b);
Matplotlib中的瀑布圖
如果仔細查看圖表，默認情況下，具有正值的條形為綠色，負值為紅色，總值為藍色，
向圖表添加一些引數
waterfall_chart.plot(a, b, net_label='Total', rotation_value=360)
圖表引數
?net_label: 在最后一根柱線，我們可以通過 net_label 改變柱線的名稱，
?rotation_value： 旋轉并設定x軸的值，
寫在最后
本文中，我們一起看到了瀑布圖的重要性：何時以及如何將它與 Plotly 和 Matploib 一起使用，如果你喜歡這篇文章，順道點個??贊，
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/456999.html
標籤：其他
上一篇：Java多執行緒與執行緒池技術