Python绘制漏斗图之可视化神器pyecharts

Python绘制漏斗图之可视化神器pyecharts

目录

​​漏斗图​​

​​漏斗图系列模板​​

​​尖顶型漏斗图​​

​​锥子型漏斗​​

​​三角形漏斗​​

​​连接型漏斗​​

​​每文一语​​

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 optsfrom pyecharts.charts import Funnelfrom pyecharts.faker import Fakerc = ( 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 optsfrom pyecharts.charts import Funnelfrom pyecharts.faker import Fakerc = ( 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

连接型漏斗

from pyecharts import options as optsfrom pyecharts.charts import Funnelfrom pyecharts.faker import Fakerc = ( 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"))

漏斗图就介绍到这里了，祝你们科研路上头发越来越多！

每文一语

在风口浪尖的时代，猪也会飞！

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。