OHLC 图表、瀑布图和漏斗图

本章重点介绍其他三种类型的图表，包括 OHLC、瀑布图和漏斗图，这些图表可以使用 Plotly 创建。

OHLC 图表

开盘价-最高价-最低价-收盘价图表（也称为 OHLC 图表）是一种条形图，通常用于说明金融工具（如股票）价格的变动。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。这种图表类型很有用，因为它可以显示上涨或下跌的动量。最高价和最低价数据点有助于评估波动性。

图表上的每条垂直线显示了一个时间单位（如一天或一小时）内的价格范围（最高价和最低价）。刻度从线的两侧延伸，左侧指示开盘价（例如，对于每日条形图，这将是该天的起始价格），右侧指示该时间段的收盘价。

下面显示了 OHLC 图表演示的示例数据。它具有对应于相应日期字符串的最高价、最低价、开盘价和收盘价的列表对象。字符串的日期表示形式使用datetime模块中的strtp()函数转换为日期对象。

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
]

我们必须将上述日期对象用作 x 参数，并将其他参数用作go.Ohlc()函数所需的开盘价、最高价、最低价和收盘价参数，该函数返回 OHLC 轨迹。

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)

代码的输出如下所示：

K 线图

K 线图类似于 OHLC 图表。它就像折线图和条形图的组合。方块表示开盘价和收盘价之间的价差，线条表示最低价和最高价之间的价差。收盘价高于（低于）开盘价的示例点称为上涨（下跌）。

go.Candlestick() 函数返回 Candlestrick 轨迹。我们使用相同的数据（与 OHLC 图表相同）来呈现如下所示的 K 线图：

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

上面给定代码的输出如下所示：

瀑布图

瀑布图（也称为飞砖图或马里奥图）有助于理解依次引入的正值或负值的累积效应，这些值可以基于时间或基于类别。

初始值和最终值显示为列，各个负调整和正调整显示为浮动步骤。一些瀑布图连接列之间的线条，使图表看起来像一座桥。

go.Waterfall()函数返回瀑布轨迹。此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 属性设置图形的 x 和 y 坐标的数据。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measure，它是一个包含值类型的数组。默认情况下，这些值被视为相对值。将其设置为“total”以计算总和。如果它等于absolute，则重置计算的总和或在需要时声明初始值。“base”属性设置条形底部的绘制位置（以位置轴单位表示）。

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定代码的结果。

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过渡到另一个阶段时如何逐渐减少。这些阶段中的每个阶段的数据都表示为 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叠百分比条形图。任何漏斗都由称为头部（或底部）的上部和称为颈部的下部组成。漏斗图最常见的用途是可视化销售转化数据。

Plotly 的go.Funnel()函数生成漏斗轨迹。要提供给此函数的基本属性是 x 和y。它们中的每一个都分配了一个 Python 项目列表或数组。

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()

输出如下所示：