🔥🔥本文已收录于《100天精通Python从入门到就业》：本专栏专门针对零基础和需要进阶提升的同学所准备的一套完整教学，从0到100的不断进阶深入，后续还有实战项目，轻松应对面试，专栏订阅地址：https://blog.csdn.net/yuan2019035055/category_11466020.html

漏斗图（Funnel plot）是一种用于可视化数据偏倚或选择性报告的图表。它通常用于汇总研究结果或元分析中的小样本研究或临床试验。漏斗图可以帮助研究人员或读者判断研究结果是否存在偏倚或选择性报告的情况。

漏斗图的基本结构是一个倒置的漏斗形状，其中包含了每个研究或试验的效应估计值（通常是效应量）和其置信区间。效应估计值通常在横轴上，而研究或试验的数量在纵轴上。漏斗图的宽度代表了每个研究或试验的精确度或权重，通常是以标准误差或置信区间的宽度表示。

漏斗图的主要应用场景包括：

研究结果的可视化：漏斗图可以将多个研究或试验的结果汇总在一起，直观地展示每个研究的效应估计值和置信区间。这有助于读者或决策者了解整体研究结果的分布情况。

发现选择性报告：漏斗图可以帮助检测研究结果的选择性报告。如果存在选择性报告，即小样本研究或试验的结果倾向于报告正向结果，那么漏斗图将会显示一个不对称的形状，即底部较宽，顶部较窄。

评估偏倚风险：漏斗图可以用于评估研究结果的偏倚风险。如果存在偏倚，即小样本研究或试验的结果倾向于偏离总体效应，那么漏斗图将会显示一个不对称的形状，即整个漏斗向左或向右倾斜。

检测出离群值：漏斗图可以帮助检测研究结果中的离群值。离群值可能是由于研究方法、样本特征或其他因素引起的异常结果。通过观察漏斗图，我们可以发现那些与其他研究结果相比明显偏离的研究或试验。

综上所述，漏斗图是一种用于可视化数据偏倚或选择性报告的图表工具。它可以帮助研究人员或读者判断研究结果是否存在偏倚或选择性报告，并在汇总研究结果或元分析中起到重要的辅助作用。

向图表中添加一个数据系列，包括系列名称、数据序列、颜色、排序方式、间隔、标签配置、提示框配置和样式配置等参数

下面代码创建了一个基本的漏斗图，展示了商品的销售情况。Funnel()创建了一个漏斗图实例，.add()方法用于添加数据，[list(z) for z in zip(goods, sales)]将商品和销售数据进行组合。通过c.render()方法可以将图表保存为HTML文件，c.render_notebook()可以在Jupyter Notebook中直接显示漏斗图。

运行结果：

通过设置label_opts参数的position属性，你可以控制标签的位置。

position参数可以设置为以下值之一：

例如，使用position="inside"可以将标签显示在漏斗图的内部。

运行结果：

要在漏斗图中显示每个阶段的百分比，可以使用label_opts参数和formatter属性进行设置。以下是修改后的代码：

在label_opts参数中，通过formatter属性设置标签的显示格式为"{b}: {d}%"，其中{b}表示商品名称，{d}表示百分比。这样每个阶段的标签就会显示为"商品名称: 百分比"的形式。修改后的代码会生成一个带有百分比的漏斗图，并保存为HTML文件或在Jupyter Notebook中显示。

运行结果：

通过在add函数添加sort_="ascending"参数修改排序方式：

运行结果：