教你用Python創(chuàng)建瀑布圖
介紹
對于繪制某些類型的數(shù)據(jù)來說，瀑布圖是一種十分有用的工具。不足為奇的是，我們可以使用Pandas和matplotlib創(chuàng)建一個(gè)可重復(fù)的瀑布圖。
在往下進(jìn)行之前，我想先告訴大家我指代的是哪種類型的圖表。我將建立一個(gè)維基百科文章中描述的2D瀑布圖。
這種圖表的一個(gè)典型的用處是顯示開始值和結(jié)束值之間起“橋梁”作用的+和-的值。因?yàn)檫@個(gè)原因，財(cái)務(wù)人員有時(shí)會將其稱為一個(gè)橋梁。跟我之前所采用的其他例子相似，這種類型的繪圖在Excel中不容易生成，當(dāng)然肯定有生成它的方法，但是不容易記住。
關(guān)于瀑布圖需要記住的關(guān)鍵點(diǎn)是：它本質(zhì)上是一個(gè)堆疊在一起的條形圖，不過特殊的一點(diǎn)是，它有一個(gè)空白底欄，所以頂部欄會“懸浮”在空中。那么，讓我們開始吧。
創(chuàng)建圖表
首先，執(zhí)行標(biāo)準(zhǔn)的輸入，并確保IPython能顯示matplot圖。
- import numpy as np
- import pandas as pd
- import matplotlib.pyplot as plt
- %matplotlib inline
設(shè)置我們想畫出瀑布圖的數(shù)據(jù)，并將其加載到數(shù)據(jù)幀（DataFrame）中。
數(shù)據(jù)需要以你的起始值開始，但是你需要給出最終的總數(shù)。我們將在下面計(jì)算它。
- index = ['sales','returns','credit fees','rebates','late charges','shipping']
- data = {'amount': [350000,-30000,-7500,-25000,95000,-7000]}
- trans = pd.DataFrame(data=data,index=index)
我使用了IPython中便捷的display函數(shù)來更簡單地控制我要顯示的內(nèi)容。
- from IPython.display import display
- display(trans)
瀑布圖的***技巧是計(jì)算出底部堆疊條形圖的內(nèi)容。有關(guān)這一點(diǎn)，我從stackoverflow上的討論中學(xué)到很多。
首先，我們得到累積和。
- display(trans.amount.cumsum())
- sales 350000
- returns 320000
- credit fees 312500
- rebates 287500
- late charges 382500
- shipping 375500
- Name: amount, dtype: int64
這看起來不錯(cuò)，但我們需要將一個(gè)地方的數(shù)據(jù)轉(zhuǎn)移到右邊。
- blank=trans.amount.cumsum().shift(1).fillna(0)
- display(blank)
- sales 0
- returns 350000
- credit fees 320000
- rebates 312500
- late charges 287500
- shipping 382500
- Name: amount, dtype: float64
我們需要向trans和blank數(shù)據(jù)幀中添加一個(gè)凈總量。
- total = trans.sum().amount
- trans.loc["net"] = total
- blank.loc["net"] = total
- display(trans)
- display(blank)
- sales 0
- returns 350000
- credit fees 320000
- rebates 312500
- late charges 287500
- shipping 382500
- net 375500
- Name: amount, dtype: float64
創(chuàng)建我們用來顯示變化的步驟。
- step = blank.reset_index(drop=True).repeat(3).shift(-1)
- step[1::3] = np.nan
- display(step)
- 0 0
- 0 NaN
- 0 350000
- 1 350000
- 1 NaN
- 1 320000
- 2 320000
- 2 NaN
- 2 312500
- 3 312500
- 3 NaN
- 3 287500
- 4 287500
- 4 NaN
- 4 382500
- 5 382500
- 5 NaN
- 5 375500
- 6 375500
- 6 NaN
- 6 NaN
- Name: amount, dtype: float64
對于“net”行，為了不使堆疊加倍，我們需要確保blank值為0。
- blank.loc["net"] = 0
然后，將其畫圖，看一下什么樣子。
- my_plot = trans.plot(kind='bar', stacked=True, bottom=blank,legend=None, title="2014 Sales Waterfall")
- my_plot.plot(step.index, step.values,'k')
看起來相當(dāng)不錯(cuò)，但是讓我們試著格式化Y軸，以使其更具有可讀性。為此，我們使用FuncFormatter和一些Python2.7+的語法來截?cái)嘈?shù)并向格式中添加一個(gè)逗號。
- def money(x, pos):
- 'The two args are the value and tick position'
- return "${:,.0f}".format(x)
- from matplotlib.ticker import FuncFormatter
- formatter = FuncFormatter(money)
然后，將其組合在一起。
- my_plot = trans.plot(kind='bar', stacked=True, bottom=blank,legend=None, title="2014 Sales Waterfall")
- my_plot.plot(step.index, step.values,'k')
- my_plot.set_xlabel("Transaction Types")
- my_plot.yaxis.set_major_formatter(formatter)
#p#
完整腳本
基本圖形能夠正常工作，但是我想添加一些標(biāo)簽，并做一些小的格式修改。下面是我最終的腳本：
- import numpy as np
- import pandas as pd
- import matplotlib.pyplot as plt
- from matplotlib.ticker import FuncFormatter
- #Use python 2.7+ syntax to format currency
- def money(x, pos):
- 'The two args are the value and tick position'
- return "${:,.0f}".format(x)
- formatter = FuncFormatter(money)
- #Data to plot. Do not include a total, it will be calculated
- index = ['sales','returns','credit fees','rebates','late charges','shipping']
- data = {'amount': [350000,-30000,-7500,-25000,95000,-7000]}
- #Store data and create a blank series to use for the waterfall
- trans = pd.DataFrame(data=data,index=index)
- blank = trans.amount.cumsum().shift(1).fillna(0)
- #Get the net total number for the final element in the waterfall
- total = trans.sum().amount
- trans.loc["net"]= total
- blank.loc["net"] = total
- #The steps graphically show the levels as well as used for label placement
- step = blank.reset_index(drop=True).repeat(3).shift(-1)
- step[1::3] = np.nan
- #When plotting the last element, we want to show the full bar,
- #Set the blank to 0
- blank.loc["net"] = 0
- #Plot and label
- my_plot = trans.plot(kind='bar', stacked=True, bottom=blank,legend=None, figsize=(10, 5), title="2014 Sales Waterfall")
- my_plot.plot(step.index, step.values,'k')
- my_plot.set_xlabel("Transaction Types")
- #Format the axis for dollars
- my_plot.yaxis.set_major_formatter(formatter)
- #Get the y-axis position for the labels
- y_height = trans.amount.cumsum().shift(1).fillna(0)
- #Get an offset so labels don't sit right on top of the bar
- max = trans.max()
- neg_offset = max / 25
- pos_offset = max / 50
- plot_offset = int(max / 15)
- #Start label loop
- loop = 0
- for index, row in trans.iterrows():
- # For the last item in the list, we don't want to double count
- if row['amount'] == total:
- y = y_height[loop]
- else:
- y = y_height[loop] + row['amount']
- # Determine if we want a neg or pos offset
- if row['amount'] > 0:
- y += pos_offset
- else:
- y -= neg_offset
- my_plot.annotate("{:,.0f}".format(row['amount']),(loop,y),ha="center")
- loop+=1
- #Scale up the y axis so there is room for the labels
- my_plot.set_ylim(0,blank.max()+int(plot_offset))
- #Rotate the labels
- my_plot.set_xticklabels(trans.index,rotation=0)
- my_plot.get_figure().savefig("waterfall.png",dpi=200,bbox_inches='tight')
運(yùn)行該腳本將生成下面這個(gè)漂亮的圖表：
***的想法
如果你之前不熟悉瀑布圖，希望這個(gè)示例能夠向你展示它到底是多么有用。我想，可能一些人會覺得對于一個(gè)圖表來說需要這么多的腳本代碼有點(diǎn)糟糕。在某些方面，我同意這種想法。如果你僅僅只是做一個(gè)瀑布圖，而以后不會再碰它，那么你還是繼續(xù)用Excel中的方法吧。
然而，如果瀑布圖真的很有用，并且你需要將它復(fù)制給100個(gè)客戶，將會怎么樣呢？接下來你將要怎么做呢？此時(shí)使用 Excel將會是一個(gè)挑戰(zhàn)，而使用本文中的腳本來創(chuàng)建100個(gè)不同的表格將相當(dāng)容易。再次說明，這一程序的真正價(jià)值在于，當(dāng)你需要擴(kuò)展這個(gè)解決方案時(shí)，它 能夠便于你創(chuàng)建一個(gè)易于復(fù)制的程序。
我真的很喜歡學(xué)習(xí)更多Pandas、matplotlib和IPothon的知識。我很高興這種方法能夠幫到你，并希望其他人也可以從中學(xué)習(xí)到一些知識，并將這一課所學(xué)應(yīng)用到他們的日常工作中。
