Maison  >  Article  >  développement back-end  >  Comment générer un graphique en entonnoir à l'aide de l'interface ECharts et Python

Comment générer un graphique en entonnoir à l'aide de l'interface ECharts et Python

WBOY
WBOYoriginal
2023-12-17 14:06:591199parcourir

Comment générer un graphique en entonnoir à laide de linterface ECharts et Python

Comment utiliser ECharts et l'interface Python pour générer un graphique en entonnoir

Le graphique en entonnoir est un graphique de visualisation de données commun et pratique qui peut afficher visuellement la distribution et le taux de conversion des données. Les graphiques en entonnoir sont largement utilisés dans des domaines tels que l'analyse des données et la prise de décision commerciale. Cet article expliquera comment utiliser les interfaces ECharts et Python pour générer des graphiques en entonnoir et joindra des exemples de code détaillés.

ECharts est une bibliothèque de visualisation frontale open source qui prend en charge une variété de types de graphiques de visualisation de données courants, y compris les graphiques en entonnoir. En tant que langage de programmation populaire, Python dispose de riches bibliothèques de traitement et de visualisation des données, qui peuvent être utilisées conjointement avec ECharts pour obtenir une visualisation des données flexible et efficace.

Tout d'abord, vous devez installer les bibliothèques liées à ECharts et Python. Il peut être installé via le gestionnaire de packages pip et exécuter la commande suivante sur la ligne de commande :

pip install pyecharts

Ensuite, nous commençons à écrire du code pour générer un graphique en entonnoir.

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.commons.utils import JsCode

# 创建数据
data = [("步骤1", 100), ("步骤2", 80), ("步骤3", 60), ("步骤4", 40), ("步骤5", 20)]

# 创建漏斗图对象
funnel = (
    Funnel()
    .add("转化率", data)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="漏斗图示例"),
        tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} : {c}%"),
    )
    .set_series_opts(
        label_opts=opts.LabelOpts(is_show=True, position="inside"),
        tooltip_opts=opts.TooltipOpts(is_show=True),
    )
)

# 输出漏斗图的html文件
funnel.render("funnel.html")

Dans l'exemple de code, nous créons d'abord une liste data, qui contient le nom de chaque étape du graphique en entonnoir et la valeur des données correspondante. Ensuite, un objet Funnel est créé et la méthode add est utilisée pour ajouter des données à l'objet graphique en entonnoir. Après cela, nous avons effectué une configuration globale et une configuration en série du graphique en entonnoir, y compris la position du titre, de la zone d'invite et de l'étiquette, etc. Enfin, utilisez la méthode render pour générer le fichier html du graphique en entonnoir. data列表,其中包含了漏斗图的每个步骤名称和对应的数据值。然后,创建了一个Funnel对象,并使用add方法向漏斗图对象添加数据。之后,我们对漏斗图进行了一些全局配置和系列配置,包括标题、提示框和标签的位置等。最后,使用render方法输出漏斗图的html文件。

如果将上述代码保存为funnel.py文件,执行python funnel.py

Si vous enregistrez le code ci-dessus en tant que fichier funnel.py et exécutez la commande python funnel.py, vous pouvez générer le fichier html du graphique en entonnoir.

Vous pouvez utiliser un navigateur pour ouvrir le fichier html généré pour voir la visualisation du graphique en entonnoir. Dans un graphique en entonnoir, la largeur de chaque étape représente la valeur des données correspondante et le nombre ci-dessus représente le taux de conversion.

Bien sûr, ce qui précède n'est qu'un exemple simple. En utilisation réelle, davantage de configuration et de personnalisation peuvent être effectuées selon les besoins, comme l'ajout de légendes, l'ajustement des couleurs et des styles, etc. Les interfaces ECharts et Python offrent de riches options de configuration et API pour répondre à divers besoins.

Pour résumer, il n'est pas difficile de générer un graphique en entonnoir à l'aide des interfaces ECharts et Python. Il vous suffit de suivre les étapes ci-dessus pour installer les bibliothèques pertinentes et écrire le code correspondant. Grâce à la visualisation des données, nous pouvons comprendre plus clairement la distribution et le taux de conversion des données, ce qui nous permet de prendre des décisions plus précises. 🎜

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!

Déclaration:
Le contenu de cet article est volontairement contribué par les internautes et les droits d'auteur appartiennent à l'auteur original. Ce site n'assume aucune responsabilité légale correspondante. Si vous trouvez un contenu suspecté de plagiat ou de contrefaçon, veuillez contacter admin@php.cn