Python可視化神器pyecharts繪制漏斗圖
漏斗圖
漏斗圖是由Light等在1984年提出，一般以單個研究的效應量為橫坐標，樣本含量為縱坐標做的散點圖。效應量可以為RR、OR和死亡比或者其對數(shù)值等。理論上講，被納入Meta分析的各獨立研究效應的點估計，在平面坐標系中的集合應為一個倒置的漏斗形，因此稱為漏斗圖。
樣本量小，研究精度低，分布在漏斗圖的底部，向周圍分散；
樣本量大，研究精度高，分布在漏斗圖的頂部，向中間集中。
漏斗圖法的優(yōu)點是：
簡單易行，只需要被納入的獨立研究的樣本含量和效應量便可繪制。
漏斗圖法的缺點是：
漏斗圖的對稱僅通過目測，無嚴格限定，不同觀察者可能有不同的結(jié)果；
漏斗圖只能對發(fā)表偏倚進行粗略的定性判斷，特別是在被納入的獨立研究個數(shù)較少時，又增加了判斷漏斗圖中散點是否存在對稱性的難度；
可以使系統(tǒng)評價人員意識到存在的問題，但不能提供解決方法。
漏斗圖系列模板
尖頂型漏斗圖
數(shù)據(jù)可以通過Python進行預處理然后導入模板進行繪制。
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"類別",
[list(z) for z in zip(Faker.choose(), Faker.values())],
sort_="ascending",
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("尖頂型漏斗.html")
)
錐子型漏斗
只需要把數(shù)據(jù)進行一定的排序就好了，當然在日常的科研統(tǒng)計分析肯定不是簡單的數(shù)據(jù)。
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add("類別", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("錐子型漏斗.html")
)
三角形漏斗
import pyecharts.options as opts
from pyecharts.charts import Funnel
x_data = ["展現(xiàn)", "點擊", "訪問", "咨詢", "訂單"]
y_data = [100, 80, 60, 40, 20]
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
(
Funnel(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add(
series_name="",
data_pair=data,
gap=2,
tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/> : {c}%"),
label_opts=opts.LabelOpts(is_show=True, position="inside"),
itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
)
.set_global_opts(title_opts=opts.TitleOpts(title="漏斗圖", subtitle="123"))
.render("三角形漏斗.html")
)
連接型漏斗
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"類別",
[list(z) for z in zip(Faker.choose(), Faker.values())],
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="標題"))
.render("連接型漏斗.html")
)
到此這篇關(guān)于Python可視化神器pyecharts繪制漏斗圖的文章就介紹到這了,更多相關(guān) Python繪制漏斗圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
python中l(wèi)ogging包的使用總結(jié)
本篇文章給大家詳細講述了python中l(wèi)ogging包的使用的相關(guān)知識點以及原理分析，有興趣的朋友可以參考學習下。2018-02-02
Python利用pyHook實現(xiàn)監(jiān)聽用戶鼠標與鍵盤事件
這篇文章主要介紹了Python利用pyHook實現(xiàn)監(jiān)聽用戶鼠標與鍵盤事件,很有實用價值的一個技巧,需要的朋友可以參考下2014-08-08
Anaconda下Python中h5py與netCDF4模塊下載與安裝的教程詳解
這篇文章主要為大家詳細介紹了基于Anaconda,下載并安裝Python中h5py與netCDF4這兩個模塊的方法,感興趣的小伙伴可以跟隨小編一起學習一下2024-01-01
DFA全稱為Deterministic Finite Automaton,即確定有窮自動機。特征：有一個有限狀態(tài)集合和一些從一個狀態(tài)通向另一個狀態(tài)的邊，每條邊標記有一個符號，其中一個狀態(tài)是初態(tài)，某些狀態(tài)是終態(tài)。不同于不確定的有限自動機，DFA中不會有從同一狀態(tài)出發(fā)的兩條邊標志有相同的符號2021-06-06
python 執(zhí)行文件時額外參數(shù)獲取的實例
今天小編就為大家分享一篇python 執(zhí)行文件時額外參數(shù)獲取的實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-12-12
這篇文章主要介紹了python網(wǎng)絡編程,有不錯的借鑒價值,需要的朋友可以參考下2014-09-09
python列表中remove()函數(shù)的使用方法詳解
這篇文章主要給大家介紹了關(guān)于python列表中remove()函數(shù)的使用，以及Python列表的remove方法的注意事項,文中通過示例代碼介紹的非常詳細,需要的朋友可以參考下2021-12-12
Python在centos7.6上安裝python3.9的詳細教程(默認python版本為2.7.5)
這篇文章主要介紹了Python在centos7.6上安裝python3.9(默認python版本為2.7.5)的方法，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友參考下吧2020-10-10
這篇文章主要介紹了9個提高?Python?編程的小技巧，下文分享python編程技巧，需要的小伙伴可以參考一下，希望對你的學習有所幫助2022-05-05
python2和python3在處理字符串上的區(qū)別詳解
這篇文章主要介紹了python2和python3在處理字符串上的區(qū)別詳解，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧2019-05-05