Python绘制漏斗图
王小王_123 人气:0漏斗图
漏斗图是由Light等在1984年提出，一般以单个研究的效应量为横坐标，样本含量为纵坐标做的散点图。效应量可以为RR、OR和死亡比或者其对数值等。理论上讲，被纳入Meta分析的各独立研究效应的点估计，在平面坐标系中的集合应为一个倒置的漏斗形，因此称为漏斗图。
样本量小，研究精度低，分布在漏斗图的底部，向周围分散；
样本量大，研究精度高，分布在漏斗图的顶部，向中间集中。
漏斗图法的优点是：
简单易行，只需要被纳入的独立研究的样本含量和效应量便可绘制。
漏斗图法的缺点是：
漏斗图的对称仅通过目测，无严格限定，不同观察者可能有不同的结果；
漏斗图只能对发表偏倚进行粗略的定性判断，特别是在被纳入的独立研究个数较少时，又增加了判断漏斗图中散点是否存在对称性的难度；
可以使系统评价人员意识到存在的问题，但不能提供解决方法。
漏斗图系列模板
尖顶型漏斗图
数据可以通过Python进行预处理然后导入模板进行绘制。
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"类别",
[list(z) for z in zip(Faker.choose(), Faker.values())],
sort_="ascending",
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("尖顶型漏斗.html")
)
锥子型漏斗
只需要把数据进行一定的排序就好了，当然在日常的科研统计分析肯定不是简单的数据。
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add("类别", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("锥子型漏斗.html")
)
三角形漏斗
import pyecharts.options as opts
from pyecharts.charts import Funnel
x_data = ["展现", "点击", "访问", "咨询", "订单"]
y_data = [100, 80, 60, 40, 20]
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
(
Funnel(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add(
series_name="",
data_pair=data,
gap=2,
tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} : {c}%"),
label_opts=opts.LabelOpts(is_show=True, position="inside"),
itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
)
.set_global_opts(title_opts=opts.TitleOpts(title="漏斗图", subtitle="123"))
.render("三角形漏斗.html")
)
连接型漏斗
from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"类别",
[list(z) for z in zip(Faker.choose(), Faker.values())],
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("连接型漏斗.html")
)
加载全部内容