OHLC 图、瀑布图和漏斗图

笔记首页 >> plotly >> OHLC 图、瀑布图和漏斗图

本章重点介绍可以在 Plotly 的帮助下制作的其他三种类型的图表，包括 OHLC、瀑布图和漏斗图。

OHLC 图表

一个开-高-低-关闭图表（也OHLC）是一种类型的条形图通常用来说明在金融工具的价格运动，如股。OHLC 图表很有用，因为它们显示了一段时间内的四个主要数据点。图表类型很有用，因为它可以显示增加或减少的动量。高低数据点可用于评估波动性。

图表上的每条垂直线都显示了一个时间单位（例如天或小时）内的价格范围（最高和最低价格）。刻度线从线的每一侧突出，左侧表示开盘价（例如，对于日线图，这将是当天的起始价格），右侧表示该时间段的收盘价。

用于演示 OHLC 图表的示例数据如下所示。它具有与对应日期字符串上的最高、最低、开盘和收盘值对应的列表对象。使用来自 datetime 模块的strtp()函数将字符串的日期表示形式转换为日期对象。

open_data = [33.0, 33.3, 33.5, 33.0, 34.1]
high_data = [33.1, 33.3, 33.6, 33.2, 34.8]
low_data = [32.7, 32.7, 32.8, 32.6, 32.8]
close_data = [33.0, 32.9, 33.3, 33.1, 33.1]
date_data = ['10-10-2013', '11-10-2013', '12-10-2013','01-10-2014','02-10-2014']
import datetime
dates = [
   datetime.datetime.strptime(date_str, '%m-%d-%Y').date() 
   for date_str in date_data
]

我们必须使用上面的日期对象作为 x 参数和其他参数作为返回 OHLC 跟踪的go.Ohlc()函数所需的开盘、高、低和收盘参数。

trace = go.Ohlc(
   x = dates, 
   open = open_data, 
   high = high_data,
   low = low_data, 
   close = close_data
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)

代码的输出如下 –

OHLC 图表

烛台图

的烛图类似于OHLC图。它就像line-chart和bar-chart 的组合。方框代表开盘价和收盘价之间的价差，线条代表低价和高价之间的价差。收盘价高于（低于）开盘价的样本点称为增加（减少）。

烛线轨迹由go.Candlestick() 函数返回。我们使用相同的数据（如 OHLC 图表）来渲染烛台图表，如下所示 –

trace = go.Candlestick(
   x = dates, 
   open = open_data, 
   high = high_data,
   low = low_data, 
   close = close_data
)

上面给出的代码的输出如下所述 –

烛台图

瀑布图

瀑布图（也称为飞砖图或马里奥图）有助于理解顺序引入的正值或负值的累积效应，这些值可以是基于时间的，也可以是基于类别的。

初始值和最终值显示为列，单独的负调整和正调整表示为浮动步骤。一些瀑布图将列之间的线连接起来，使图表看起来像一座桥梁。

go.Waterfall()函数返回瀑布跟踪。该对象可以通过各种命名参数或属性进行自定义。这里，x 和 y 属性为图形的 x 和 y 坐标设置数据。两者都可以是 Python 列表、numpy 数组或 Pandas 系列或字符串或日期时间对象。

另一个属性是量度，它是一个包含值类型的数组。默认情况下，这些值被视为relative。将其设置为 ‘total’ 以计算总和。如果它等于绝对值，它会重置计算的总数或在需要时声明一个初始值。‘base’ 属性设置绘制条形基座的位置（以位置轴为单位）。

以下代码呈现瀑布图 –

s1=[
   "Sales", 
   "Consulting", 
   "Net revenue", 
   "Purchases", 
   "Other expenses", 
   "Profit before tax"
]
s2 = [60, 80, 0, -40, -20, 0]
trace = go.Waterfall(
   x = s1,
   y = s2,
   base = 200,
   measure = [
      "relative", 
      "relative", 
      "total", 
      "relative", 
      "relative", 
      "total"
   ]
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)

下面提到的输出是上面给出的代码的结果。

瀑布图

漏斗图

漏斗图表示业务流程不同阶段的数据。它是商业智能中识别流程潜在问题区域的重要机制。漏斗图用于可视化数据在从一个阶段传递到另一个阶段时如何逐渐减少。每个阶段中的数据表示为 100%（整体）的不同部分。

与饼图一样，漏斗图也不使用任何轴。它也可以被视为类似于堆积百分比条形图。任何漏斗都由称为头部（或底部）的较高部分和称为颈部的较低部分组成。漏斗图最常见的用途是可视化销售转化数据。

Plotly 的go.Funnel()函数产生漏斗轨迹。要提供给此函数的基本属性是 x 和y。它们中的每一个都被分配了一个 Python 项目列表或一个数组。

from plotly import graph_objects as go
fig = go.Figure(
   go.Funnel(
      y = [
         "Website visit", 
         "Downloads", 
         "Potential customers", 
         "Requested price", 
         "invoice sent"
      ],
      x = [39, 27.4, 20.6, 11, 2]
   )
)
fig.show()

输出如下 –

漏斗图