瀑布圖有什麼用?怎麼畫?

瀑布圖，因為形似瀑布而得名，它能夠比較好地體現數據分析的對比思維和細分思維。比如說，假設某公司一月份銷售額 1000 萬，二月份銷售額 500 萬，為了體現各地區的銷售額變化，我們可以畫一張瀑布圖如下。通過對比，發現銷售額下降了 50%；通過細分，發現不同地區的銷售變化差異較大，其中上海地區的銷售額增加了 30 萬，湖北地區的銷售額下降了 150 萬，其他地區的銷售額也都有不同程度的下降。你可能會問，銷售額增加的原因是什麼？銷售額下降的原因又是什麼？這些都需要根據業務的實際情況，具體問題具體分析，找到問題的本質原因，從而有針對性地提出解決問題的辦法，本文給出的數據完全是虛擬的，所以這裡不做進一步的分析。
本文的重點，是介紹怎麼使用 Python 畫出瀑布圖，讓你能夠舉一反三，應用於自己的實際工作當中。你只需要把數據文件準備好，然後運行一遍代碼，就能自動生成所需的瀑布圖。首先，我們導入所需的庫，並從 Excel 文件中讀取不同地區的銷售額數據。

# 導入所需的庫
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 設置正常顯示中文標籤
plt.rcParams['font.sans-serif'] = ['SimHei']

########## 準備繪圖數據 ###############

# 從 Excel 文件中讀取數據，第一列設置為索引
sale = pd.read_excel('data/不同地區的銷售額變化.xlsx', index_col=0)

sale

其次，我們對原始數據進行處理，把數據轉換成繪圖所需的格式。

########## 處理數據 ###############

# 計算銷售額的變化
sale['銷售變化'] = sale.iloc[:, 1] - sale.iloc[:, 0]

# 把銷售匯總作為第一行
change = pd.concat([pd.DataFrame(sale.sum()).T, sale])

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

# 設置瀑布圖的第一個數值
change.iloc[0, 2] = change.iloc[0, 0]

# 排除沒有變化的項目
change = change[abs(change.銷售變化) > 0]

# 降序排列
change = change.sort_values('銷售變化', ascending=False)

# 不要包含匯總，後面會自動計算
index = change.index
data = change.銷售變化
trans = pd.DataFrame(data=data, index=index)

# 為瀑布圖創建空白序列，用於把柱子撐起來
blank = trans.銷售變化.cumsum().shift(1).fillna(0)

# 計算瀑布圖的最後一個數值：當月收入
thismonth = sale.columns[1]
total = trans.sum().銷售變化

# 設置瀑布圖中每個項目的變化
step = blank.reset_index(drop=True).repeat(3).shift(-1)
step[1::3] = np.nan

# 最後一根柱子是從 0 開始
blank.loc[thismonth] = 0
trans.loc[thismonth] = total

trans

接下來，我們開始畫圖，在畫圖函數所使用的數據中，trans 存儲的是瀑布圖中柱子對應的數據，blank 存儲的是柱子底端的高度數據。

########## 開始畫圖 ###############

# 設置標題
title = '\n各地區銷售額變化瀑布圖\n'

# 使用 Pandas 中的畫圖函數
waterfall = trans.plot(kind='bar', stacked=True, bottom=blank, legend=None, figsize=(16, 8), fontsize=20, width=0.8)

# 設置 x 軸標籤
waterfall.set_xlabel("")

# 計算標籤位置的偏移量
max = trans.max()
neg_offset = max / 25
pos_offset = max / 50
plot_offset = int(max / 10)

# 獲取標籤的高度位置
y_height = trans.銷售變化.cumsum().shift(1).fillna(0)

# 循環設置標籤
loop = 0
for index, row in trans.iterrows():
    x = row['銷售變化']
    # 最後一個標籤的位置不要雙倍
    if x == total:
        y = y_height[loop]
    else:
        y = y_height[loop] + x

    # 決定向上還是向下偏移
    if x > 0:
        y += pos_offset
    else:
        y -= neg_offset

    # 添加數字標籤，負數用紅色
    waterfall.annotate("{:.1f}".format(x), (loop, y), ha="center", fontsize=20, color=('k' if x>0 else 'r'))
    loop+=1

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

# 設置 x 軸標籤的角度
waterfall.set_xticklabels(trans.index, rotation=0)

# 設置標題並顯示圖片
plt.title(title, fontsize=36, loc='center', color='k')

plt.show()

運行之後得到的圖片，就是本文開頭顯示的那張瀑布圖。本文介紹了瀑布圖的一個應用案例，並給出了詳細的 Python 實現代碼，在公眾號後臺發送「瀑布」兩個字，可以獲得本文的數據文件和完整代碼。雖然 Excel 也能畫瀑布圖，但是我個人覺得用 Python 能夠更加靈活高效。Python 能讓數據分析等工作變得更加自動化、標準化、流程化。所以，我漸漸地把很多工作，都轉換為使用 Python 來完成，以提升自己的工作效率和工作質量，讓自己有時間去做更多更有價值的事情。多花一些時間，去提升自己的能力，讓自己獲得成長和進步，我覺得是非常值得的，所謂「磨刀不誤砍柴工」，這也是我們要學習時間管理的重要原因之一。