别再问我如何用Python绘制瀑布图了！
人生苦短，快学Python！
什么是瀑布图？瀑布图用表达两个数值之间的变化过程，过程值为正的时候，向上加，过程值为负的时候向下减[1]。
今天分享在Python中绘制瀑布图的3种简单方法（使用不同的库）！
前期准备
首先先安装所需的库：
pip install waterfallcharts (注意该库名)
pip install waterfall_ax (注意该库名)
pip install plotly
接着导入要搭配使用的Pandas库和Matplotlib库：
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams["figure.figsize"] = (16, 8)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
准备一些模拟数据，用于后续不同的Python库绘制瀑布图。
df = pd.DataFrame(
data={
"time": ["2021 end", "Jan", "Feb", "Mar", "Apr", "May", "Jun", "Jul", "Aug", "Sep", "Oct", "Nov", "Dec"],
"users": [100, 120, 110, 150, 160, 190, 240, 200, 230, 240, 250, 280, 300]
}
)
方法一：waterfall_ax
首先我们使用waterfall_ax库，它是基于 Matplotlib 来创建灵活的瀑布图。
https://github.com/microsoft/waterfall_ax
from waterfall_ax import WaterfallChart
fig, ax = plt.subplots(1, 1, figsize=(16, 8))
waterfall = WaterfallChart(df["users"].to_list())
wf_ax = waterfall.plot_waterfall(ax=ax, title="人生苦短，快学Python！")
需要注意一点，waterfall_ax这个库使用的是 Python 列表，所以在上面代码中我们将Pandas的"users"列通过to_list转为了列表。
此外，我们还可以增加更多的参数，如下所示：
fig, ax = plt.subplots(1, 1, figsize=(16, 8))
waterfall = WaterfallChart(
df["users"].to_list(),
step_names=df["time"].to_list(),
metric_name="# users",
last_step_label="now"
)
wf_ax = waterfall.plot_waterfall(ax=ax, title="人生苦短，快学Python！")
方法二：waterfall_chart
方法二是使用waterfall_chart库，不过会较上一个方法多一个步骤，即需要加一个包含增量的列[2]。如下所示，我们可以向dataframe中添加一个新列并计算得到增量diff。
import waterfall_chart
df_1 = df.copy()
df_1["delta"] = df_1["users"].diff().fillna(100)
df_1
在交互式环境中输入如下命令，
waterfall_chart.plot(df_1["time"], df_1["delta"])
运行输出：
waterfall_chart库同样也可以增加其他参数，本文不再做单独展示。
方法三：plotly
前面的两种方法相对来说比较小众一点，那么方法三用到的plotly库大家一定都比较熟悉。与waterfall_chart库一样，在绘制之前也需要多一步进行数据处理。
df_2 = df_1.copy()
df_2["delta_text"] = df_2["delta"].astype(str)
df_2["measure"] = ["absolute"] + (["relative"] * 12)
df_2
在交互式环境中输入如下命令：
fig = go.Figure(
go.Waterfall(
measure=df_2["measure"],
x=df_2["time"],
textposition="outside",
text=df_2["delta_text"],
y=df_2["delta"],
)
)
fig.update_layout(
title="人生苦短，快学Python！",
showlegend=False
)
fig.show()
使用plotly库有一个非常大的优势，这些图是完全交互的，我们可以放大，也可以通过选项来获取更多信息，如下图所示。
另外，与之前两种方法绘制的图相比，刚刚plotly库绘制的图少了一个“柱子”显示净/总计。可以这样处理：
total_row = pd.DataFrame(
data={
"time": "now",
"users": 0,
"delta":0,
"delta_text": "",
"measure": "total"
},
index=[0]
)
df_3 = pd.concat([df_2, total_row], ignore_index=True)
用于生成瀑布图的Python代码实际上并未改变，唯一的区别是我们使用的DataFrame增加一个额外行。
fig = go.Figure(
go.Waterfall(
measure=df_3["measure"],
x=df_3["time"],
textposition="outside",
text=df_3["delta_text"],
y=df_3["delta"],
)
)
fig.update_layout(
title="人生苦短，快学Python！",
showlegend=False
)
fig.show()
运行输出：
如果你对使用plotly 绘制瀑布图感兴趣，可以访问链接https://plotly.com/python/waterfall-charts/ 了解更多。
人生苦短，快学Python！今天给大家分享了，在Python中绘制瀑布图的3种简单方法（使用不同的库）。
如果喜欢今天分享的文章，别忘了给我们点赞支持一下！
参考资料
超详细的数据可视化设计指南: https://mp.weixin.qq.com/s/AYQr9rN1mpZWsAxaM24obw
[2][3 Simple Ways to Create a Waterfall Plot in Python]: https://towardsdatascience.com/
推荐阅读
新书上市
《Python精粹》
这是一本关于Python编程的书。它并不覆盖Python的方方面面，其重点是呈现现代且精选的Python语言核心，即侧重于Python编程本身。这包括抽象实现、程序结构、函数、对象与类型、协议、生成器、I/O、模块等主题，同时对Python常用的内置函数及标准库进行了简要介绍。这些内容能够有效帮助Python程序员应对各种项目规模的挑战。