Plotly 简明教程
OHLC Chart, Waterfall Chart and Funnel Chart
本章重点介绍了其他三种类型的图表,包括 OHLC、瀑布图和漏斗图,这些图表可以在 Plotly 的帮助下制作。
OHLC Chart
一种 open-high-low-close 图表(也称作 OHLC)是一种 bar chart ,通常用于说明诸如股票等金融工具价格的变动。OHLC 图表很有用,因为它们显示了一段期间内的四个主要数据点。这类图表之所以有用,是因为它可以显示上升或下降的动能。高点和低点数据对于评估波动很有用。
图表上的每条垂直线均显示一个时间单位(如一天或一小时)内的价格范围(最高价和最低价)。标号从每条线的两侧突出显示,左侧表示开盘价(例如,对于日线图,这将是该天的开盘价),右侧表示该时间段的收盘价。
下面显示了用于演示 OHLC 图表的示例数据。此数据具有与相应日期字符串相对应的代表高、低、开盘和收盘值的对象列表。使用 datetime 模块中的 strtp() 函数将字符串的日期表示转换为日期对象。
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
]
必须使用上述日期对象作为 x 参数,以及 go.Ohlc() 函数所需的开盘、高、低和收盘参数,该函数返回 OHLC 轨迹。
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)
下面给出代码的输出 −
Candlestick Chart
candlestick chart 与 OHLC 图表类似。它类似于 line-chart 和 bar-chart 的组合。这些方框表示开盘价和收盘价之间的价差,而线段表示低价和高价之间的价差。收盘价高于(低于)开盘价的示例点被称为上升(下降)。
go.Candlestick() function 返回烛台轨迹。我们使用相同数据(与 OHLC 图表相同)来渲染烛台图,如下所示 -
trace = go.Candlestick(
x = dates,
open = open_data,
high = high_data,
low = low_data,
close = close_data
)
以下是给定代码的输出 -
Waterfall chart
瀑布图(也称为 flying bricks chart or Mario chart )有助于理解按顺序引入的正或负值(其可以基于时间或基于类别)的累积效应。
起始值和结束值显示为柱状图,各个负调整值和正调整值显示为浮动步长。一些瀑布图连接柱状图之间的线段,以使图表看起来像桥梁。
go.Waterfall() 函数返回一个瀑布追踪。该对象可以通过各种命名参数或属性进行定制。这里,x 和 y 属性设置了图形的 x 和 y 坐标的数据。两者都可以是 Python 列表、numpy 数组、Pandas 时间序列、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,这些值被认为是 relative 。将其设置为“total”以计算总和。如果它等于 absolute ,它会重置计算的总和或根据需要声明一个初始值。“base”属性设置条形基准绘制的位置(以位置轴单位为单位)。
以下代码呈现一张瀑布图 −
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。
Funnel Chart
漏斗图以业务流程的不同阶段表示数据。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步减少。这些阶段中的每个阶段的数据都表示为 100%(全部)的不同部分。
与饼图一样,漏斗图也不使用任何轴。它也可以被认为类似于 stacked percent bar chart 。任何漏斗都由称为头部(或底部)的上部和称为颈部的下部组成。漏斗图最常见的用途是可视化销售转化数据。
Plotly 的 go.Funnel() 函数生成漏斗追踪。向此函数提供的必要属性为 x 和 y 。每个属性都分配了一个项目 Python 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()
输出如下所示: