小編寫這篇文章的主要目的,主要是來給大家去做出一個相關性的介紹,介紹的內容主要還是涉及到Python pyecharts,主要是利用Python pyecharts去繪制漏斗,那么,具體要怎么繪制呢?下面給大家詳細解答下。
漏斗圖
漏斗圖是由Light等在1984年提出,一般以單個研究的效應量為橫坐標,樣本含量為縱坐標做的散點圖。效應量可以為RR、OR和死亡比或者其對數值等。理論上講,被納入Meta分析的各獨立研究效應的點估計,在平面坐標系中的集合應為一個倒置的漏斗形,因此稱為漏斗圖。
樣本量小,研究精度低,分布在漏斗圖的底部,向周圍分散;
樣本量大,研究精度高,分布在漏斗圖的頂部,向中間集中。
漏斗圖法的優點是:
簡單易行,只需要被納入的獨立研究的樣本含量和效應量便可繪制。
漏斗圖法的缺點是:
漏斗圖的對稱僅通過目測,無嚴格限定,不同觀察者可能有不同的結果;
漏斗圖只能對發表偏倚進行粗略的定性判斷,特別是在被納入的獨立研究個數較少時,又增加了判斷漏斗圖中散點是否存在對稱性的難度;
可以使系統評價人員意識到存在的問題,但不能提供解決方法。
漏斗圖系列模板
尖頂型漏斗圖
數據可以通過Python進行預處理然后導入模板進行繪制。
from pyecharts import options as opts from pyecharts.charts import Funnel from pyecharts.faker import Faker c=( Funnel() .add( "類別", [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="標題")) .render("尖頂型漏斗.html") )
錐子型漏斗
只需要把數據進行一定的排序就好了,當然在日常的科研統計分析肯定不是簡單的數據。
from pyecharts import options as opts from pyecharts.charts import Funnel from pyecharts.faker import Faker c=( Funnel() .add("類別",[list(z)for z in zip(Faker.choose(),Faker.values())]) .set_global_opts(title_opts=opts.TitleOpts(title="標題")) .render("錐子型漏斗.html") )
三角形漏斗
import pyecharts.options as opts from pyecharts.charts import Funnel x_data=["展現","點擊","訪問","咨詢","訂單"] 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="漏斗圖",subtitle="123")) .render("三角形漏斗.html") )
連接型漏斗
from pyecharts import options as opts from pyecharts.charts import Funnel from pyecharts.faker import Faker c=( Funnel() .add( "類別", [list(z)for z in zip(Faker.choose(),Faker.values())], label_opts=opts.LabelOpts(position="inside"), ) .set_global_opts(title_opts=opts.TitleOpts(title="標題")) .render("連接型漏斗.html") )
綜上所述,這篇文章就給大家介紹完畢了,希望可以給大家帶來更多幫助。
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/128292.html
Python pyecharts作為常用的數據可視化軟件,能夠清晰的將海量的數據,去做一個拆分,要是更直觀的去查看數據圖表的話,就需要去制作云圖了?那么,怎么制作云圖呢?下面就給大家詳細的做個解答。 詞云圖 什么是詞云圖,相信大家肯定不會感到陌生,一本書統計里面出現的詞頻,然后可視化展示,讓讀者快速的了解這個主題綱要,這就是詞云的直接效果。 詞云圖系列模板 固定模式詞云圖 修改一些參...
這篇文章介紹的主要內容是,利用Python pyecharts去繪制柱狀圖,涉及到內容知識點還是比較的多的,那么,具體需要怎么操作呢?下面就給大家以案例的形式,去做一個介紹,大家仔細的閱讀下。 主題介紹 pyecharts里面有很多的主題可以供我們選擇,我們可以根據自己的需要完成主題的配置,這樣就告別了軟件的限制,可以隨意的發揮自己的藝術細胞了。 圖表參數 '''...
小編寫這篇文章的主要目的,主要還是去進行講解一些關于Python pyecharts繪制儀表盤的一些講解,具體怎么去進行操作呢?下面就給大家詳細解答下。 儀表盤 儀表盤的效果我只能說炫酷而已,如果想要運用在實際的場景中,我其實也不清楚那個場景比較適合,但是pyecharts畢竟是炫酷可視化的利器,炫酷自然也就有它了。 小汽車儀表盤是長這樣的,下面我們來看看pyecharts的儀表盤是怎么...
小編寫這篇文章的主要目的,主要是給大家去做一個解答,解答的內容主要是關于Python pyecharts的一些案例,包括如何使用它去進行繪制一個相關的散點圖,怎么能夠快速的去進行繪制。就具體的內容,下面就給大家詳細解答下。 什么是散點圖? 散點圖是指在數理統計回歸分析中,數據點在直角坐標系平面上的分布圖,散點圖表示因變量隨自變量而變化的大致趨勢,由此趨勢可以選擇合適的函數進行經驗分布的擬合...
小編寫這篇文章的主要目的,主要是給大家去做一個詳細解答,介紹的內容是關于Python pyecharts的一些詳細內容,給大家講解關于如何繪制水球圖等相關事宜,具體的內容,下面給大家詳細解答。 水球圖 水球圖首先是動態的效果,像水流一樣波動,所以看起來比較的舒服,一般用于業務里面的完成率,其實和之前的儀表盤有點類似,但是我個人絕對水球圖更加的好,因為看起來比較的炫酷。 frompyech...
閱讀 911·2023-01-14 11:38
閱讀 878·2023-01-14 11:04
閱讀 740·2023-01-14 10:48
閱讀 1983·2023-01-14 10:34
閱讀 942·2023-01-14 10:24
閱讀 819·2023-01-14 10:18
閱讀 499·2023-01-14 10:09
閱讀 572·2023-01-14 10:02