瀑布图有什么用？用python怎么画？

每晚九点，我们准时相约  

大家好，我是朱小五

瀑布图，因为形似瀑布而得名，它能够比较好地体现数据分析的对比思维和细分思维。

比如说，假设某公司一月份销售额 1000 万，二月份销售额 500 万，为了体现各地区的销售额变化，我们可以画一张瀑布图如下。

通过对比，发现销售额下降了 50%；通过细分，发现不同地区的销售变化差异较大，其中上海地区的销售额增加了 30 万，湖北地区的销售额下降了 150 万，其他地区的销售额也都有不同程度的下降。

你可能会问，销售额增加的原因是什么？销售额下降的原因又是什么？这些都需要根据业务的实际情况，具体问题具体分析，找到问题的本质原因，从而有针对性地提出解决问题的办法，本文给出的数据完全是虚拟的，所以这里不做进一步的分析。

本文的重点，是介绍怎么使用 Python 画出瀑布图，让你能够举一反三，应用于自己的实际工作当中。你只需要把数据文件准备好，然后运行一遍代码，就能自动生成所需的瀑布图。

1. 读取数据

首先，我们导入所需的库，并从 Excel 文件中读取不同地区的销售额数据。

# 导入所需的库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 设置正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

########## 准备绘图数据 ###############

# 从 Excel 文件中读取数据，第一列设置为索引
sale = pd.read_excel('data/不同地区的销售额变化.xlsx', index_col=0)

sale

2. 处理数据

其次，我们对原始数据进行处理，把数据转换成绘图所需的格式。

######### 处理数据 ###############

# 计算销售额的变化
sale['销售变化'] = sale.iloc[:, 1] - sale.iloc[:, 0]

# 把销售汇总作为第一行
change = pd.concat([pd.DataFrame(sale.sum()).T, sale])

# 修改第一行的索引名称：上个月
change.rename(index={0: sale.columns[0]}, inplace=True)

# 设置瀑布图的第一个数值
change.iloc[0, 2] = change.iloc[0, 0]

# 排除没有变化的项目
change = change[abs(change.销售变化) > 0]

# 降序排列
change = change.sort_values('销售变化', ascending=False)

# 不要包含汇总，后面会自动计算
index = change.index
data = change.销售变化
trans = pd.DataFrame(data=data, index=index)

# 为瀑布图创建空白序列，用于把柱子撑起来
blank = trans.销售变化.cumsum().shift(1).fillna(0)

# 计算瀑布图的最后一个数值：当月收入
thismonth = sale.columns[1]
total = trans.sum().销售变化

# 设置瀑布图中每个项目的变化
step = blank.reset_index(drop=True).repeat(3).shift(-1)
step[1::3] = np.nan

# 最后一根柱子是从 0 开始
blank.loc[thismonth] = 0
trans.loc[thismonth] = total

trans

3. 开始画图

接下来，我们开始画图，在画图函数所使用的数据中，trans 存储的是瀑布图中柱子对应的数据，blank 存储的是柱子底端的高度数据。

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from datetime import timedelta

# 正常显示中文标签
plt.rcParams['font.sans-serif'] = ['SimHei']

# 正常显示负号
plt.rcParams['axes.unicode_minus'] = False  

# 读取每日销售数据
df = pd.read_excel('./data/2019年9月每日销售.xlsx')

# 定义画图的数据
x = df.日期
y = df.实际销量

# 定义颜色
color1 = '#0085c3'
color2 = '#7ab800'
color3 = '#dc5034'

# 设置图像大小
########## 开始画图 ###############

# 设置标题
title = '\n各地区销售额变化瀑布图\n'

# 使用 Pandas 中的画图函数
waterfall = trans.plot(kind='bar', stacked=True, bottom=blank, legend=None, figsize=(16, 8), fontsize=20, width=0.8)

# 设置 x 轴标签
waterfall.set_xlabel("")

# 计算标签位置的偏移量
max = trans.max()
neg_offset = max / 25
pos_offset = max / 50
plot_offset = int(max / 10)

# 获取标签的高度位置
y_height = trans.销售变化.cumsum().shift(1).fillna(0)

# 循环设置标签
loop = 0
for index, row in trans.iterrows():
    x = row['销售变化']
    # 最后一个标签的位置不要双倍
    if x == total:
        y = y_height[loop]
    else:
        y = y_height[loop] + x

    # 决定向上还是向下偏移
    if x > 0:
        y += pos_offset
    else:
        y -= neg_offset

    # 添加数字标签，负数用红色
    waterfall.annotate("{:.1f}".format(x), (loop, y), ha="center", fontsize=20, color=('k' if x>0 else 'r'))
    loop+=1

# 设置 y 轴的偏移量
waterfall.set_ylim(0, blank.max()+int(plot_offset))

# 设置 x 轴标签的角度
waterfall.set_xticklabels(trans.index, rotation=0)

# 设置标题并显示图片
plt.title(title, fontsize=36, loc='center', color='k')

plt.show()

运行之后得到的图片，就是本文开头显示的那张瀑布图。

4. 小结

本文介绍了瀑布图的一个应用案例，并给出了详细的 Python 实现代码，在公众号后台发送「瀑布」两个字，可以获得本文的数据文件和完整代码。

虽然 Excel 也能画瀑布图，但是我个人觉得用 Python 能够更加灵活高效。

Python 能让数据分析等工作变得更加自动化、标准化、流程化。

所以，我渐渐地把很多工作，都转换为使用 Python 来完成，以提升自己的工作效率和工作质量，让自己有时间去做更多更有价值的事情。

多花一些时间，去提升自己的能力，让自己获得成长和进步，我觉得是非常值得的，所谓「磨刀不误砍柴工」，这也是我们要学习时间管理的重要原因之一。

最后再次重复一遍哈，在公众号后台发送「瀑布」两个字，可以获得本文的数据文件和完整代码。

近期文章，点击图片即刻查看

后台回复关键词「进群」，即刻加入读者交流群~

五

不知道大家还对什么图形感兴趣呢？

朱小五