漏斗思维
通过上面的数据，可以看出两个平台最终的线上支付人数是一样的，无法看出哪个平台更具优势。如果我们从用户线上支付的转化率(线上支付人数/注册人数)进行比较，两个平台的转化率也是一样。这个时候可以通过漏斗模型进行分析，两个平台的别。
echarts漏斗图_echarts漏斗图顺序
echarts漏斗图_echarts漏斗图顺序
漏斗模型的思维方式是逆向的，即先确定要分析的关键环节，然后抽取相应的数据，计算其转化率。我们的分析目标是线上的支付人数，需要把这个动作往前面退，支付前需要产生订单，再往前需要注册。
单一的漏斗模型对于分析来说没有任何意义，我们不能单从一个漏斗模型中评价网站某个关键流程中各步骤的转化率的好坏，所以必须通过趋势、比较和细分的方法对流程中各步骤的转化率进行分析：
趋势：从时间轴的变化情况进行分析，适用于对某程或其中某个步骤进行改进或优化的效果；
比较：通过比较类似产品或服务间购买或使用流程的转化率，发现某些产品或应用中存在的问题；
细分：细分来源或不同的客户类型在转化率上的表现，发现一些高质量的来源或客户，通常用于分析网站的广告或推广的效果及ROI。
只要有流程、有转化，就一定会采用漏斗模型作为其中的一种手段来加以、分析和管理
漏斗模型是路径分析的特殊形式，是专门针对关键环节进行的路径分析 ,漏斗模型更多时候要经过抽象的过程来搭建漏斗的每一个环节，漏斗中的每个环节更多时候是抽象出来的，而不一定是完全按照原始的数据直接放进漏斗中的，而路径分析更多的时候是就事论事，不需要经过抽象、转化、整合这些过程 。
漏斗模型是一个逐步递减的过程，后面的环节的数量不会超过前面。
举个例子要查看web渠道的用户的线上支付的转化率，那就不能再生产订单的数据里面包含了其他渠道的数据，这样就没有意义。如何避免这样的情况，在数据量不是很大的情况，可以用交集的方式，就是web渠道的用户和全部的订单的用户进行交集作就可以。
通常来讲，漏斗分析都以人数来统计，为什么不按照次数来统计呢？
设某漏斗模型是A→B→C→D，如果用户从A→B再→B再→B（设A是用户进入课程详情页的次数，B是点击购买的次数，也就是这个人重复添加到支付页面）那漏斗的第二步统计的次数可能会大于步统计的次数，这也违背了漏斗分析模型的意义
以人数来统计，就是次数去重以后基于时间序列的统计。一个用户只要做过从A到B，无论做了多少次，都是一个A到B的转化，当然，这里边有个非常关键的限定，就是转化周期限定，1天，2天，一个会话······也就是用户从A→B发生的时间周期，只要他在一个时间周期内完成了从A→B，就记为一次转化。
由于matplotlib没有漏斗模型的图，虽然用柱状图也可以表示，但是没有那么直观，选择了echarts进行显示
定义漏斗图的普通的参数，只需要传入对应的数据，名称
主要用到series对象的isin()方法，获取两个对象之间的交集，dataframe 对象的属性iloc[:,0].size获取数据的数量
欢迎关注公众：sjyy_python
……什么是漏斗图不变形……
举个例子
你把下面的data下的value值改成一样的就不变形了
data: [
{value: 60, name: '访问'},
{value: 70, name: '咨询'},
{value: 70, name: '订单'},
{value: 70, name: '点击'},
{value: 70, name: '展现'}
]
1、拷贝出两个js文件：esl.js 和echarts.js ；
2、准备一个html页面进行图表容器配备和模块化加载js和创建图表
1）、引入esl.js文件
1
之所以要引入esl.js 文件，因为它内部封装了很多模块化加载js文件和创建图表的回调函数方法。
2）、准备图表的装载容器
3）、采用esl.js文件内的方法模块化加载漏斗图所需的库且在回调函数内创建漏斗图。
// Step:3 conifg ECharts's path, link to echarts.js from current page.
// Step:3 为模块加载器配置echarts的路径，从当前页面链接到echarts.js，定义所需图表路径
require.config({
/ paths: {
echarts: '../js/echarts', //echarts.js所在的路径
'echarts/chart/funnel': '../js/echarts'
} /
packages:[{
name:'echarts',
series下面设置sort: 'ascending',
数据可视化分类/表现形式
指标卡：直观展示具体数据和同环比情况；
计量图/仪表盘：直观显示数据完成的进度；
折线图：看数据的变动走势；
柱状图：直观展示对应的数据、可以对比度的数值；
（堆积柱状图）
条形图：可以理解成横向的柱状图；
双轴图：柱状图+折线图，这种图表大家都很经常用到；
饼图/环图：分析数据所占比例；
行政地图：有省份或者城市数据即可；
GIS地图：更精准的经纬度地图，需要有经纬度数据，可以到乡镇等小粒度的区域，参考链接： 经纬度可视化地图
漏斗图：路径、数据转化情况；
词云：即标签云，展示词频分布，率、；
矩形树图：分析不同维度数据的占比分布情
旭日图：表达清晰的层级和归属关系
旭日图（Sunburst Chart）是一种现代饼图，它超越传统的饼图和环图，能表达清晰的层级和归属关系，以父子层次结构来显示数据构成情况。旭日图中，离远点越近表示级别越高，相邻两层中，是内层包含外层的关系。
平行坐标系
在 ECharts 中平行坐标系（parallel）是一种常用的可视化高维数据的图表。平行坐标系的具有良好的数学基础， 其射影几何解释和对偶特性使它很适合用于可视化数据分析。
例如以下数据中，每一行是一个『数据项』，每一列属于一个『维度』。（例如上面数据每一列的含义分别是：『日期』,『AQI指数』, 『PM2.5』, 『PM10』, 『值』, 『值』, 『值』）。
平行坐标系适用于对这种数据进行可视化分析。每一个维度（每一列）对应一个坐标轴，每一个『数据项』是一条线，贯穿多个坐标轴。在坐标轴上，可以进行数据选取等作。
桑基图
桑基图（series[i]-sankey），也称桑基能量平衡图，具有特殊类型的流程图，它主要用来表示原材料、能量等如何从初始形式经过中间过程的加工、转化到达最终形式。以下是使用桑基图的一个实例，您可以参考它。
漏斗图
在 ECharts 系列中，漏斗图使用 series[i]-funnel 表示。漏斗图适用于业务流程比较规范、周期长、环节多的流程分析，通过漏斗各环节业务数据的比较，能够直观地发现和说明问题所在。
象形柱图：PictorialBar
B.技术的发展已导致数据的大爆炸。这反过来又促使数据展示方式的激增。一般来说，大多数据可视化分为2种不同的类型：探索型和解释型。勘探类型帮助人们发现数据背后的故事，而解析数据方便给人们看。
此外，有不同的方法可用于创建这2种类型。最常见的数据可视化方法包括：
漏斗图是一个简单的散点图，反映研究在一定样本量或性下单个研究的干预效应估计值。漏斗图最常见的是在横轴为各研究效应估计值，纵轴为研究样本量。
漏斗图结合相关的统计检验，在系统评价中检查研究是否存在报告偏倚的可能性。
散点图是指在回归分析中，数据点在直角坐标系平面上的分布图，散点图表示因变量随自变量而变化的大致趋势，据此可以选择合适的函数对数据点进行拟合。
当要在不考虑时间的情况下比较大量数据点时，请使用散点图。散点图中包含的数据越多，比较的效果就越好。
默认情况下，散点图以圆圈显示数据点。如果在散点图中有多个序列，请考虑将每个点的标记形状更改为方形、三角形、菱形或其他形状。