python绘制瀑布图

瀑布图一般反映了数据的增长或下降趋势，它会形成随着顺序逐步叠加或逐步递减的效果。我们普通的柱状图绘制，虽然也能看得出逐渐递增或递减，但是他描绘不出累加或者累减的形式。

举个例子，如果第一个数据大于0，第二个数据小于0，则第二个柱子就从第一个柱子的顶部高度开始向下延伸；第二个柱子如果大于0，则从第二个柱子从第一个柱子的顶部高度开始向上拓展；特别的，如果第二个数据小于0（即柱子向下延伸），第三个数据大于0，则第三个柱子从第二个柱子的底部向上延伸。例如

普通柱状图

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
plt.rcParams["font.sans-serif"] = ["SimHei"]  # windows系统
plt.rcParams['axes.unicode_minus']=False      #正常显示符号
data=pd.DataFrame({'项目':['吃饭','逛街','看电影'],'支出':[100,200,400]})
plt.bar(data['项目'],data['支出'])

累加瀑布图

首先我们得知道，瀑布图呈现一个累加的状态，所以我们需要把原数据增添累加列。

np.cumsum()能够实现列表数据的累加

data['test1']=pd.Series(np.cumsum(data['支出']))
new_row = pd.DataFrame({'项目':'汇总','支出':0,'test1':data['test1'].iloc[-1]},index=[3])
data = pd.concat([data,new_row],ignore_index=True)

	项目	支出	test1
0	吃饭	100	100
1	逛街	200	300
2	看电影	400	700
3	汇总	0	700

但是如果只根据累加的数据绘制柱状图，并不能达到以往的断层上升的状态，也不能显示不同的阶段数值的变化量。形式如下图所见。

所以我们需要使用覆盖的方式，绘制另一组柱状图

累加的数据为 100 300 700 ，我们命名为主体柱子高度

我们是不是需要背景色柱子高度为 0 100 300 进行覆盖（我们称之为覆盖柱子）

这两个柱子的高度算法我们用代码来描述。

#list为覆盖柱，bars为主体柱子
bars=plt.bar(data['项目'],data['test1'])

list=[0]
for i in data['test1'][:-2]:
    list.append(i)
list.append(0)
list=pd.Series(list)

plt.bar(data['项目'],list,color='white')

for i,bar in enumerate(bars):         #添加柱子高度，注意是支付列的数据，而不是累加数据
    plt.text(bar.get_x()-0.1 + bar.get_width() / 2,bar.get_y() +20+         
    bar.get_height(),data['支出'][i],
             ha='left', va='center', color='black')      

plt.bar(data['项目'][3],data['test1'][3],color='red')   #汇总加红色

plt.ylim(0,900)

list和data的结果

0      0
1    100
2    300
3      0
dtype: int64

	项目	支出	test1
0	吃饭	100	100
1	逛街	200	300
2	看电影	400	700
3	汇总	700	700

累减瀑布图

累减瀑布图就是随着状态的变化，数据呈现依次递减的形式。思路跟前者差不多，不多赘述。

data1=pd.DataFrame({'项目':['吃饭','逛街','看电影'],'支出':[100,-20,-30]})     
data1['test1']=pd.Series(np.cumsum(data1['支出']))

new_row1 = pd.DataFrame({'项目':'汇总','支出':0,'test1':data1['test1'].iloc[-1]},index=[3])  # 这里的3是根据长度不同变换的
data1 = pd.concat([data1,new_row1],ignore_index=True)

list1=[data1['test1'][0]]
for i in data1['test1'][:-2]:
    list1.append(i)
list1.append(data1['test1'].iloc[-1])
list1=pd.Series(list1)

#list1  作为显示柱
#test2  作为覆盖柱

data1['test2']=data1['test1']
data1['test2'].iloc[0]=0
data1['test2'].iloc[-1]=0

bars1=plt.bar(data1['项目'],list1)
plt.bar(data1['项目'],data1['test2'],color='white')

plt.bar(data1['项目'].iloc[-1],data1['test1'].iloc[-1],color='red')

for i,bar in enumerate(bars1):
    plt.text(bar.get_x()-0.1 + bar.get_width() / 2,bar.get_y()+3+            bar.get_height(),data1['支出'][i],ha='left', va='center', color='black')

plt.ylim(0,110)

list1和data1结果

0    100
1    100
2     80
3     50
dtype: int64   

	项目	支出	test1	test2
0	吃饭	100	100	0
1	逛街	-20	80	80
2	看电影	-30	50	50
3	汇总	50	50	0

加减瀑布图

一般情况下，根据概念我们知道瀑布图要么递增，要么递减。但是如果你要处理的一组数据，一会增加一会减少，该怎么进行绘制。

data2=pd.DataFrame({'项目':['吃饭','逛街','看电影','打mai'],'支出':[100,-20,30,-20]})     
data2['test1']=pd.Series(np.cumsum(data2['支出']))

#主体柱子高度
def main_bar(a,b):
    main_list=[a[0]]
    for i in range(1,len(a)):
        if a[i]<0:
            main_list.append(b[i-1])
        elif a[i]>0:
            main_list.append(b[i])
        else:
            main_list.append(main_list[i-1])
    return pd.Series(main_list)
data2['main']=main_bar(data2['支出'],data2['test1'])

#覆盖柱子高度
def test_bar(a,b):
    test_bar=[0]
    for i in range(1,len(a)):
        if a[i]<0:
            test_bar.append(b[i])
        elif a[i]>0:
            test_bar.append(b[i-1])
        else:
            test_bar.append(test_bar[i-1])
    return pd.Series(test_bar)
data2['test_bar']=test_bar(data2['支出'],data2['test1'])

#增添汇总行
new_row2 = pd.DataFrame({'项目':'汇总','支出':data2['test1'].iloc[-1],'test1':data2['test1'].iloc[-1],'main':data2['test1'].iloc[-1],'test_bar':data2['test_bar'].iloc[-1]},index=[4])  # 这里的3是根据长度不同变换的
data2 = pd.concat([data2,new_row2],ignore_index=True)

这个代码算是把前二者都综合起来进行判断

data2的结果

	项目	支出	test1	main	test_bar
0	吃饭	100	100	100	0
1	逛街	-20	80	100	80
2	看电影	30	110	110	80
3	打mai	-20	90	110	90
4	汇总	90	90	90	90

bars2=plt.bar(data2['项目'],data2['main'])       #主柱子

plt.bar(data2['项目'],data2['test_bar'],color='white')     #覆盖柱子

plt.bar(data2['项目'].iloc[-1],data2['test1'].iloc[-1],color='red')

for i,bar in enumerate(bars2):
    plt.text(bar.get_x()-0.1 + bar.get_width() / 2,bar.get_y()+3+ bar.get_height(),data2['支出'][i],
             ha='left', va='center', color='black')

plt.ylim(0,120)

（其实大家只要自己纸上画个图，把原数据，累加数据列出来，就能发现主体柱子和覆盖柱子高度的关系了）