利用Pyecharts绘制漏斗图的案例【含参数详解】
一、概念介绍
漏斗图（Funnel），也称为倒三角图，借助echarts的解释如下：
Funnel diagram is suitable for one-way analysis of single process with standardized business process, long cycle
and multiple links.Through comparison of business data of each link in the funnel,the link where the potential problems
can be found intuitively,and then decisions can be made.
在现实应用中，我们常利用此类图形帮助进行业务流程比较规范、周期长、环节多的单流程可视化分析。
场景列举：
用户生命周期模型 —— AARRR（本案例），用于分析用户增长、协助用户运营
电商漏斗模型 —— 如AIPL（Awareness → Interest → Purchase → Loyalty）
用户消费行为模型 —— AIDMA（Attention → Interest → Desire → Memory → Action）
AISAS（Attention → Interest → Search → Action → Share）
ISMAS（Interest → Search → Mouth/口碑 → Action → Share）
SICAS（Sense → interest&interactive → Connect&Communicate → Action → Share）
......
在这样一条从属关系链下，漏斗图反映出来的各环节业务数据缩减比率可以直观说明问题所在的环节,帮助分析者或者管理者做出决策。
二、数据准备
由于是模拟数据作图，这里就按照AARRR模型五个环节随机生成数字如下：
| 环节 | 人数 | 单一环节转化率 | 总体转化率 |
|---|---|---|---|
| Acquisition | 156280 | 100.00% | 100.00% |
| Activation | 93346 | 59.73% | 59.73% |
| Retention | 47047 | 50.40% | 30.10% |
| Revenue | 10463 | 22.24% | 6.70% |
| Referral | 7899 | 75.49% | 5.05% |
三、图形绘制
import pandas as pd
data = pd.read_excel('漏斗图.xlsx', 'Sheet1')
attrs = data['环节'].tolist()
trans = data['单一环节转化率'].tolist()
attr_value = data['人数'].tolist()
attr_trans = [attrs[i]+"-"+"%.2f%%"%(trans[i]*100) for i in range(5)]
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.commons.utils import JsCode
c = (
Funnel(init_opts=opts.InitOpts(theme="essos", bg_color={"type": "pattern", "image": JsCode("img"), "repeat": "repeat"}))
.add_js_funcs( """ var img = new Image();
img.src = '背景2.jpg'; """)
.add("A网站", [list(z) for z in zip(attr_trans, attr_value)],
label_opts=opts.LabelOpts(font_size=13,position="right",formatter="{b}"),
sort_ = 'descending',
gap = 4,
tooltip_opts=opts.TooltipOpts(trigger='item',
formatter="{a}
{b} : {c}",
background_color = "#ffd1df",
border_color = "#ffffd4",
border_width = 4,
textstyle_opts = opts.TextStyleOpts(font_size=14,color='blue'),
)
)
.set_global_opts(title_opts=opts.TitleOpts(title='林老头ss',
subtitle='今天也要加油吖~')
)
.render("漏斗test1.html")
)
import os
os.system("漏斗test1.html")
图形展示：
根据上图，我们可以直观看到单环节转换率较低的为revenue，用户群体中愿意付费享受更多服务的比例较低，基于此我们可以考虑是不是付费会员产品的竞争力不够、费用设置不合理、目标用户不匹配等等，进而优化运营。
四、参数解释
- bg_color ：用于调整全局的背景设置，包括颜色图片等。
- 颜色主题，可以参考：https://blog.51cto.com/u_15294888/5054652
- 如果想要更换成纯色(如黑色）：bg_color=‘black’;
- 如果想要更换图片：更改“背景2.jpg”的路径或名称即可；
- 如果不希望图片重复填充：“repeat”: “no-repeat”; - label_opts=opts.LabelOpts()
- position=“right”,标签在漏斗中（主图区）的展示位置，可以选“left”、“center”、“right”；
- formatter=“{b}”,这里{a}是系列名称、{b}是数据项名称、{c}是数值、{d}是百分比（注意不是转化率，是数值占总和的比重，用在饼图绘制中） - sort_
- 可以选‘descending’（降序）或者‘ascending’(升序），按数值大小排序； - gap
- 每一个梯形块的间距，数值越大隔得越宽； - tooltip_opts=opts.TooltipOpts(）
- trigger=‘item’，触发类型为选中构图item即可。还可以选择’axis’，详情可以参考下面这篇写得非常详细清晰的文章~
Echarts属性trigger:axis、axisPointer效果展示
- background_color、border_color、border_width：这三个选项以及之后跟的text选项是帮助触发项的背景色、边框色、边框宽度、边框内展示字体的设置。如：
- os.system(“漏斗test1.html”)
- 帮助我们在代码运行之后即使打开文件（html），展现绘图效果
本文只展示了基础的funnel函数，随着应用场景不断丰富，绘图多样化需求不断增加，大家可以仅作参考，如果能有所帮助当然最好啦。
下面附上官网的示例，大家自行调参diy
多类漏斗图示例