认识漏斗图
漏斗图是网站销售领域一种十分常用的图表，主要是用来分析在各个阶段的流失和转化情况。比如在某个商城中，我们统计用户在不同阶段的人数来分析转化率：
商城UV：商城每天的访问人数 搜索人数：在商城有过搜索行为的用户数 加购人数：有加购行为的用户数 提交订单：有多少用户提交订单 点击支付：提交订单之后有多少用户点击支付按钮 支付成功：最终支付成功的用户数
从搜索人数开始到支付成功，每个阶段用户都存在一定的流失，漏斗图就能很好地将这种流失和转化情况显示出来。
除去柱状图、饼图、折线图，漏斗图应该是自己在工作画的最为频繁的一种图表。下面我们通过模拟某个电商网站的用户行为来绘制漏斗图。
整体效果
看一个漏斗图的整体效果：
导入库
基于两种方式实现：
plotly_expReSS ：px plotly.gRaph_objects：go iMpoRt pandas as pd iMpoRt nuMpy as np # plotly两个绘图接口 iMpoRt plotly_expReSS as px iMpoRt plotly.gRaph_objects as go 基于px实现
基础漏斗图
模拟一份商城数据：
绘制一个基础漏斗图：
# 绘图 fig = px.funnel( data1, # 待绘图数据 x=”nuMbeR”, # x轴的数据 y=”stage” # y轴的数据 ) fig.show()
我们还可以加上一个颜色参数coloR：
# 加上颜色参数coloR fig = px.funnel( data1, x=”nuMbeR”, y=”stage”, coloR=”nuMbeR” # 颜色参数 ) fig.show()
如果我们的颜色设置成nuMbeR列，用数值意义似乎不准确，更好地应该是不同的阶段表示，换成stage：
# 加上颜色参数coloR fig = px.funnel( data1, x=”nuMbeR”, y=”stage”, coloR=”stage” # ！！！改成stage ) fig.show()
看生成的漏斗图：最上面的是支付成功，通常我们希望的是数值最大的在最上面，于是我们将传入的数据翻转一下：
# 加上颜色参数coloR fig = px.funnel( data1[::-1], # ！！！数据翻转 x=”nuMbeR”, y=”stage”, coloR=”stage” # ！！！改成stage ) fig.show()
分组漏斗
分组漏斗表示的含义将不同组别的漏斗图放在一个画布中，比如：看今年3月和2020年3月的数据对比情况，这叫做同比
同比：相同时期的对比，比如：2021年3月和2020年3月
环比：相邻时期的对比，比如：2021年3月和2021年2月
绘制面积漏斗图
还是使用最上面的数据：
我们观察到：面积漏斗图默认绘制的百分比，而普通漏斗图是数值
基于go实现
绘制基础漏斗图
改变漏斗图的颜色和边框
我们需要注意textinfo参数的使用，它有3种使用方式：
peRcent inITial：相对于初始值 peRcent pRevioUS：相对于前一个值 peRcent tOTAl：相对于整体数值
上面这个漏斗图使用的是peRcent inITial(相对于初始值)，百分比是这样来的：
1000/1000 = 100% 800 / 1000 = 80% 400 / 1000 = 40% 100 / 1000 = 10%
如果是peRcent pRevioUS：
1000/1000 = 100% 800 / 1000 = 80% 400 / 800 = 50% 100 / 400 = 25%
如果是peRcent tOTAl：
我们看看第一个百分比是如何计算的：
分组漏斗
漏斗图真的很好用，能够观察到数据在不同阶段的转化情况。