漏斗图

漏斗图是由Light等在1984年提出，一般以单个研究的效应量为横坐标，样本含量为纵坐标做的散点图。效应量可以为RR、OR和死亡比或者其对数值等。理论上讲，被纳入Meta分析的各独立研究效应的点估计，在平面坐标系中的集合应为一个倒置的漏斗形，因此称为漏斗图。

样本量小，研究精度低，分布在漏斗图的底部，向周围分散；

样本量大，研究精度高，分布在漏斗图的顶部，向中间集中。

漏斗图法的优点是：

简单易行，只需要被纳入的独立研究的样本含量和效应量便可绘制。

漏斗图法的缺点是：

漏斗图的对称仅通过目测，无严格限定，不同观察者可能有不同的结果；

漏斗图只能对发表偏倚进行粗略的定性判断，特别是在被纳入的独立研究个数较少时，又增加了判断漏斗图中散点是否存在对称性的难度；

可以使系统评价人员意识到存在的问题，但不能提供解决方法。

漏斗图系列模板

尖顶型漏斗图

数据可以通过Python进行预处理然后导入模板进行绘制。

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"类别",
[list(z) for z in zip(Faker.choose(), Faker.values())],
sort_="ascending",
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("尖顶型漏斗.html")
)

锥子型漏斗

只需要把数据进行一定的排序就好了，当然在日常的科研统计分析肯定不是简单的数据。

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add("类别", [list(z) for z in zip(Faker.choose(), Faker.values())])
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("锥子型漏斗.html")
)

三角形漏斗

import pyecharts.options as opts
from pyecharts.charts import Funnel
x_data = ["展现", "点击", "访问", "咨询", "订单"]
y_data = [100, 80, 60, 40, 20]
data = [[x_data[i], y_data[i]] for i in range(len(x_data))]
(
Funnel(init_opts=opts.InitOpts(width="1200px", height="600px"))
.add(
series_name="",
data_pair=data,
gap=2,
tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b} : {c}%"),
label_opts=opts.LabelOpts(is_show=True, position="inside"),
itemstyle_opts=opts.ItemStyleOpts(border_color="#fff", border_width=1),
)
.set_global_opts(title_opts=opts.TitleOpts(title="漏斗图", subtitle="123"))
.render("三角形漏斗.html")
)

连接型漏斗

from pyecharts import options as opts
from pyecharts.charts import Funnel
from pyecharts.faker import Faker
c = (
Funnel()
.add(
"类别",
[list(z) for z in zip(Faker.choose(), Faker.values())],
label_opts=opts.LabelOpts(position="inside"),
)
.set_global_opts(title_opts=opts.TitleOpts(title="标题"))
.render("连接型漏斗.html")
)

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

猜你喜欢

• Python中有几种方法判断文件存在

  本文主要介绍了Python中可以用三种方法判断文件是否存在，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

• Python项目中显示图像失真是什么缘故，怎么解决

  这篇文章主要介绍了python使用matplotlib显示图像失真的解决方案，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

• Python中如何进行异常处理，常见的处理操作是怎样的

  这篇文章主要介绍了Python常见异常处理总结，文章围绕主题展开详细的内容介绍，具有一定的参考价值，需要的朋友可以参考一下

• Pandas添加行列操作及代码是什么

  在进行数据分析时经常需要按照一定条件创建新的数据列,然后进行进一步分析,下面这篇文章主要给大家介绍了关于Python Pandas多种添加行列数据方法的相关资料,需要的朋友可以参考下

• Python中如何用defaultdict实现字典初始化

  这篇文章主要介绍了python 中defaultdict()对字典进行初始化,一般情况下，在使用字典时，先定义一个空字典（如dict_a = {}），然后往字典中添加元素只需要 dict_a[key] = value即可，本文通过实例代码介绍具体用法，需要的朋友可以参考下