Python使用joypy绘制峰峦图案例

在分析客户流失过程中，采用峰峦图对各种客户状态（活跃、不活跃、濒临流失、流失）进行特征分析，输出结果如下图所示。

• 橘红色是客户常去加油站的所占的比率，从图上可以看出流失客户去的加油站比较散，比例趋近零的比较多，而活跃用户较稳定去某加油站。
• 蓝灰色系列图表示客户余额均值，流失客户的余额均值在0处有些分布，而活跃用户则多在1000元左右（为了集中一张图显示，且比例均衡，则对余额取log10等计算，详见代码）。
  
  如何实现实现？本案例采用Python上，基于matplotlib的Joyplots工具。

Joyplots

是图的堆叠，部分重叠的密度图，就这么简单。它们是一种很好的方法来绘制数据，以直观地比较分布，特别是那些在一个维度上变化的分布（例如，随时间变化）。

依赖：

• Python 3.5+
• numpy
• scipy >= 0.11
• matplotlib
• pandas >= 0.20 Warning: compatibility with pandas >= 0.25 requires joypy >= 0.2.1

安装

pip install joypy
Successfully installed joypy-0.2.5

代码

多特征按类别显示代码

import pandas as pd
import time
import matplotlib.pyplot as plt
import seaborn as sns
from matplotlib import cm
import numpy as np
import joypy

filename = '客户特征分析数据集.csv'
df = pd.read_csv(filename)

%matplotlib inline
plt.rcParams['figure.figsize']= 12,6
feature_name=['pearson','amountmean','maxrecharge','densitymean','balancemean','CountByPrice','org_rate','lateststatus']
amount_df = df[feature_name]
amount_df['balancemeanlog'] = np.log10(amount_df['balancemean'].loc[amount_df['balancemean']>0] )/3
amount_df.fillna(0,inplace=True)

fig, axes = joypy.joyplot(amount_df,column =[ 'org_rate','balancemeanlog'], by='lateststatus', ylim='own', fill=True, colormap=[cm.autumn,cm.Blues_r])
plt.show()

注：代码joypy.joyplot中，参数分别是：Dataframe数据集、显示数据列名（多个用list表达）、分类标识字段、是否充满y轴。

在上一个图中，一个子图的y扩展比其他子图大得多。由于默认情况下，子地块共享y限制，因此异常值会导致所有其他子地块被压缩。可以通过ylim='own’改变这种行为，让每个子地块占据整个y空间。

单特征按类别显示代码

%matplotlib inline
# 图像嵌入页面
corr_feature = ['densitymean','lateststatus']
corr_df = df[corr_feature]
fig, axes = joypy.joyplot(corr_df,column = 'densitymean', by='lateststatus', ylim='own', range_style='own',
                          fill=True, fade=True)
plt.show()

图形显示效果如下：