Python数据可视化：使用Matplotlib、Plotly与Pyecharts绘制漏斗图分析用户留存

林舟

发布时间：2026-10-15 | 2人浏览过

原创

本文详解如何利用Python三大主流可视化库——Matplotlib、Plotly和Pyecharts绘制漏斗图，以分析用户购买流程中的转化率。通过对比优化前后的数据，结合具体代码示例，展示如何从基础直方图调整到专业漏斗图，帮助开发者快速掌握用户行为转化率的可视化分析方法。

关于“漏斗图”

漏斗图是用户行为转化率分析的常用工具，例如用于评估用户购买流程中各阶段的转化效率。在分析过程中，通常将优化前后的漏斗图并列对比，从而得出改进结论。本文将演示如何使用matplotlib、plotly以及pyecharts这三个模块来绘制美观且专业的漏斗图。首先，我们需要导入所需的模块及数据。


import matplotlib.pyplot as plt 
import pandas as pd 
df = pd.DataFrame({"环节": ["环节一", "环节二", "环节三", "环节四", "环节五"],  
                   "人数": [1000, 600, 400, 250, 100],  
                   "总体转化率": [1.00, 0.60, 0.40, 0.25, 0.1]})

所需的基础数据如下图所示：

若使用matplotlib制作漏斗图，效果可能较为简单粗糙。其原理相对直观：先绘制水平方向的直方图，随后利用plot.barh()中的“left”参数将直方图向左偏移，即可呈现出类似漏斗的形状。


y = [5,4,3,2,1] 
x = [85,75,58,43,23] 
x_max = 100 
x_min = 0 
for idx, val in enumerate(x): 
    plt.barh(y[idx], x[idx], left = idx+5) 
plt.xlim(x_min, x_max)

若要绘制符合预期的漏斗图，可参考以下代码示例：


from matplotlib import font_manager as fm 
# funnel chart 
y = [5,4,3,2,1] 
labels = df["环节"].tolist() 
x = df["人数"].tolist() 
x_range = 100 
font = fm.FontProperties(fname="KAITI.ttf") 
fig, ax = plt.subplots(1, figsize=(12,6)) 
for idx, val in enumerate(x): 
    left = (x_range - val)/2 
    plt.barh(y[idx], x[idx], left = left, color='#808B96', height=.8, edgecolor='black') 
    # label 
    plt.text(50, y[idx]+0.1, labels[idx], ha='center', 
             fontproperties=font, fontsize=16, color='#2A2A2A') 
    # value 
    plt.text(50, y[idx]-0.3, x[idx], ha='center', 
             fontproperties=font, fontsize=16, color='#2A2A2A') 
     
    if idx != len(x)-1: 
        next_left = (x_range - x[idx+1])/2 
        shadow_x = [left, next_left,  
                    100-next_left, 100-left, left] 
        shadow_y = [y[idx]-0.4, y[idx+1]+0.4,  
                    y[idx+1]+0.4, y[idx]-0.4, y[idx]-0.4] 
        plt.plot(shadow_x, shadow_y) 
plt.xlim(x_min, x_max) 
plt.axis('off') 
plt.title('每个环节的流失率', fontproperties=font, loc='center', fontsize=24, color='#2A2A2A') 
plt.show()

绘制完成后的漏斗图效果如下图所示。

当然，若使用plotly进行绘制，过程会更为简便。具体代码示例如下：


import plotly.express as px 
data = dict(values=[80,73,58,42,23], 
            labels=['环节一', '环节二', '环节三', '环节四', '环节五']) 
fig = px.funnel(data, y='labels', x='values') 
fig.show()

最后，我们使用pyecharts模块进行绘制。该模块提供了专门用于绘制“漏斗图”的方法，只需直接调用即可实现。


from pyecharts.charts import Funnel 
from pyecharts import options as opts 
from pyecharts.globals import ThemeType 
 
c = ( 
    Funnel(init_opts=opts.InitOpts(width="900px", height="600px",theme = ThemeType.INFOGRAPHIC )) 
    .add( 
        "环节", 
        df[["环节","总体转化率"]].values, 
        sort_="descending", 
        label_opts=opts.LabelOpts(position="inside"), 
    ) 
    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts漏斗图", pos_bottom = "90%", pos_left = "center")) 
) 
c.render_notebook()

在图表中加上数据标注后，效果如下：


c = ( 
    Funnel(init_opts=opts.InitOpts(width="900px", height="600px",theme = ThemeType.INFOGRAPHIC )) 
    .add( 
        "商品", 
        df[["环节","总体转化率"]].values, 
        sort_="descending", 
        label_opts=opts.LabelOpts(position="inside"), 
    ) 
    .set_global_opts(title_opts=opts.TitleOpts(title="Pyecharts漏斗图", pos_bottom = "90%", pos_left = "center")) 
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}:{c}")) 
) 
c.render_notebook()