这篇文章主要介绍“怎么使用Python绘制瀑布图”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“怎么使用Python绘制瀑布图”文章能帮助大家解决问题。
首先先安装所需的库：
计算
安全
数据库
网络和加速
企业服务
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]
}
)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。
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()关于“怎么使用Python绘制瀑布图”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注亿速云行业资讯频道，小编每天都会为大家更新不同的知识点。
亿速云「云服务器」，即开即用、新一代英特尔至强铂金CPU、三副本存储NVMe SSD云盘，价格低至29元/月。点击查看>>
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。
原文链接：https://mp.weixin.qq.com/s/hbJywYW8a-qDVELIPZgbxQ
