Python｜Plotly数据可视化一网打尽（代码+应用场景）_plotly dataframe 雷达图

• 漏斗图通常用于对阶段之间的转化关系进行比较，数据分析中常见的AARRR模型的可视化就是通过漏斗图来实现的。

import plotly.express as px

data = dict(number=[100, 70, 50, 30, 10], stage=["获客", "激活", "留存", "收益", "传播"])
fig = px.funnel(data, x='number', y='stage')
fig.show()

三、趋势类图

折线图

• 折线图通常用于展示随时间（数值）而连续变化的数据，如A公司和B公司在2021年每个月的营业额。

import plotly.express as px

time_data = pd.DataFrame({
    'A公司': [20, 30, 40, 50, 45],
    'B公司': [18, 25, 33, 45, 58],
    '月份': [1, 3, 5, 7, 9]
})
fig = px.line(time_data, x="月份", y=['A公司', 'B公司'], title='公司营收对比')
fig.show()

桑基图

• 桑基图又称桑基能量分流图，也称桑基能量平衡图，该图形从左到右展示出了初始数据流向。该图形的绘制过程较为复杂，在下述代码中有两个主要参数项node和link。

node用于给出基本的配置项：

• pad:图中空白分隔空隙的大小；
• thickness:图中节点的宽度（每个连接处的长方形）；
• line:每个节点的边框线的颜色和粗细；
• label:每个节点的名字（包含一层/二层/三层…）；
• color:每个节点的颜色（和名字按照索引相对应）

link用于给出具体的连接选项:

• source:每条连接线的起点（数值表示节点的索引）；
• target:每条连接线的终点（数值表示节点的索引）；
• value:连接线的信息量（数值越大，连接线越粗）；
• color:每条连接线的颜色（通常按照起点的颜色进行对应）。

# 绘制桑基图
import plotly.graph_objects as go

fig = go.Figure(data=[go.Sankey(
    node = dict(
      pad = 10,
      thickness = 20,
      line = dict(color = "black", width = 0.5),
      label = ["A1", "A2", "B1", "B2", "C1", "C2"],
      color = ['blue', 'pink', 'green', 'brown', 'yellow', 'purple']
    ),
    link = dict(
      source = [0, 1, 0, 2, 3, 3], 
      target = [2, 3, 3, 4, 4, 5],
      value = [8, 4, 2, 8, 4, 2],
      color = ['blue', 'pink', 'blue', 'green', 'brown', 'brown']
  ))])

fig.update_layout(title_text="桑基图示例", font_size=10)
fig.show()