Plotly 瀑布图和漏斗图
本章重点介绍可以借助 Plotly 制作的其他三种类型的图表，包括 OHLC、瀑布图和漏斗图。
OHLC 图表
开-高-低-闭图表（也称为 OHLC）是一种
条形图，通常用于说明金融工具的价格变动，例如分享。 OHLC炭ts 很有用，因为它们显示了一段时间内的四个主要数据点。图表类型很有用，因为它可以显示增加或减少的动量。高低数据点可用于评估波动率。
图表上的每条垂直线都显示了一个时间单位（例如天或小时）内的价格范围（最高和最低价格）。刻度线从线的每一侧突出，左侧表示开盘价（例如，对于日线图，这将是当天的起始价格），右侧表示该时间段的收盘价。
用于演示 OHLC 图表的示例数据如下所示。它具有与对应日期字符串上的最高、最低、开盘和收盘值对应的列表对象。使用 datetime 模块中的
strtp() 函数将字符串的日期表示形式转换为日期对象。
open_data = [33.0, 33.3, 33.5, 33.0, 34.1]
high_data = [33.1, 33.3, 33.6, 33.2, 34.8]
low_data = [32.7, 32.7, 32.8, 32.6, 32.8]
close_data = [33.0, 32.9, 33.3, 33.1, 33.1]
date_data = ['10-10-2013', '11-10-2013', '12-10-2013','01-10-2014','02-10-2014']
import datetime
dates = [
datetime.datetime.strptime(date_str, '%m-%d-%Y').date()
for date_str in date_data
]
我们必须使用上述日期对象作为 x 参数，其他用于返回 OHLC 跟踪的
go.Ohlc() 函数所需的开盘、高、低和收盘参数。
trace = go.Ohlc(
x = dates,
open = open_data,
high = high_data,
low = low_data,
close = close_data
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)
代码的输出如下-
烛台图
烛台图表类似于 OHLC 图表。它就像
折线图和
条形图的组合。方框代表开盘价和收盘价之间的价差，线条代表低价和高价之间的价差。收盘价高于（低于）开盘价的样本点称为上升（下降）。
烛台轨迹由
go.Candlestick() 函数返回。我们使用相同的数据（如 OHLC 图表）来呈现如下所示的烛台图表-
trace = go.Candlestick(
x = dates,
open = open_data,
high = high_data,
low = low_data,
close = close_data
)
上面给出的代码的输出如下-
瀑布图
瀑布图（也称为
飞砖图或马里奥图）有助于理解连续引入的正值或负值的累积效应，这些值可以基于时间，也可以基于类别。
初始值和最终值显示为列，单独的负调整和正调整表示为浮动步长。一些瀑布图将列之间的线连接起来，使图表看起来像一座桥梁。
go.Waterfall() 函数返回瀑布跟踪。该对象可以通过各种命名参数或属性进行自定义。这里，x 和 y 属性为图形的 x 和 y 坐标设置数据。两者都可以是 Python 列表、numpy 数组或 Pandas 系列或字符串或日期时间对象。
另一个属性是
measure，它是一个包含值类型的数组。默认情况下，这些值被视为
相对。将其设置为 'total' 以计算总和。如果它等于
absolute，它会重置计算的总数或在需要时声明一个初始值。 'base' 属性设置绘制条形基座的位置（以位置轴为单位）。
以下代码呈现瀑布图-
s1=[
"Sales",
"Consulting",
"Net revenue",
"Purchases",
"Other expenses",
"Profit before tax"
]
s2 = [60, 80, 0,-40,-20, 0]
trace = go.Waterfall(
x = s1,
y = s2,
base = 200,
measure = [
"relative",
"relative",
"total",
"relative",
"relative",
"total"
]
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)
下面提到的输出是上面给出的代码的结果。
漏斗图
漏斗图代表业务流程不同阶段的数据。它是商业智能中识别流程潜在问题区域的重要机制。漏斗图用于可视化数据在从一个阶段传递到另一个阶段时如何逐渐减少。每个阶段中的数据都表示为 100%（整体）的不同部分。
与饼图一样，漏斗图也不使用任何轴。它也可以被视为类似于
堆积百分比条形图。任何漏斗都由称为头部（或底部）的较高部分和称为颈部的较低部分组成。漏斗图最常见的用途是可视化销售转化数据。
Plotly 的
go.Funnel() 函数生成漏斗轨迹。要提供给此函数的基本属性是 x 和
y。它们中的每一个都被分配了一个 Python 项目列表或一个数组。
from plotly import graph_objects as go
fig = go.Figure(
go.Funnel(
y = [
"Website visit",
"Downloads",
"Potential customers",
"Requested price",
"invoice sent"
],
x = [39, 27.4, 20.6, 11, 2]
)
)
fig.show()
输出如下-
