python绘制帕累托图
- 1 帕累托图
- 2 python实现
- 2.1 数据准备
- 2.2 特征因素数值排序
- 2.3 计算累计频率百分比
- 2.4 标记累计百分比80%特征因素的位置
- 2.5 输出核心的特征因素信息
- 2.6 绘制帕累托图
- 3 封装
- 3.1 全部代码
- 3.2 应用示例
手动反爬虫：
原博地址
知识梳理不易，请尊重劳动成果如若转载，请标明出处，谢谢！
1 帕累托图
帕累托分析（贡献度分析） → 帕累托法则：20/80定律
“原因和结果、投入和产出、努力和报酬之间本来存在着无法解释的不平衡。一般来说，投入和努力可以分为两种不同的类型：多数，它们只能造成少许的影响；少数，它们造成主要的、重大的影响。”
比如：一个公司，80%利润来自于20%的畅销产品，而其他80%的产品只产生了20%的利润
帕累托图基本构成：
- （1）双y轴图，左侧y轴表示频数，右侧y轴表示频率百分比，x轴表示特征因素
- （2）左侧y轴数据对应柱状图，右侧y轴数据对应点线图
- （3）点线图中超过80%的第一个因素进行标记，左侧就为核心特征因素
2 python实现
2.1 数据准备
程序运行前先导入相关的第三方库，代码是在jupyter notebook中运行。
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
使用的数据采用随机数进行生成
data = pd.Series(np.random.randn(10)*5000 + 10000,
index = list('ABCDEFGHIJ'))
输出结果为：（每次运行生成的随机数的结果都会不一致）
A 5748.099899
B 10463.000272
C 5172.031773
D 17338.362775
E 11225.537785
F 12372.527636
G 19367.945373
H 4703.089439
I 14747.208553
J 13076.519903
dtype:
2.2 特征因素数值排序
数据的类型是Series数据，直接对值进行排序（由大到小）
data.sort_values(ascending=False,inplace = True)
输出结果为：
G 19367.945373
D 17338.362775
I 14747.208553
J 13076.519903
F 12372.527636
E 11225.537785
B 10463.000272
A 5748.099899
C 5172.031773
H 4703.089439
dtype:
顺便也可以查看一下特征因素统计情况
#查看数据频数
plt.figure(figsize=(12,8))
data.plot(kind = 'bar', color = 'g', alpha = 0.8, width = 0.6,rot=0)
输出结果为：
2.3 计算累计频率百分比
上面计算了左侧y轴对应的频数，接下来就要计算右侧y轴对应的数据
#计算累计营收占比
p = data.cumsum()/data.sum()
输出结果为：（最后一个特征因素的结果一定为1）
G 0.169575
D 0.321381
I 0.450500
J 0.564991
F 0.673318
E 0.771603
B 0.863211
A 0.913539
C 0.958822
H 1.000000
dtype:
2.4 标记累计百分比80%特征因素的位置
上面求解出累计百分比的大小，这里标记的是百分比大于等于80%的第一个特征因素的位置
key = p[p>0.8].index[0]
key_num = data.index.tolist().index(key)
print('超过80%占比的节点值索引为：',key)
print('超过80%占比的节点值索引位置为：',key_num)
输出结果为：
超过80%占比的节点值索引为： B
超过80%占比的节点值索引位置为： 6
2.5 输出核心的特征因素信息
对于低于累计百分比80%的特征因素就是我们要筛选的结果
key_product = data.loc[:key]
print('核心产品为：')
print(key_product)
输出结果为：（索引在80%占比的节点值索引位置之前的内容）
核心产品为：
G 19367.945373
D 17338.362775
I 14747.208553
J 13076.519903
F 12372.527636
E 11225.537785
B 10463.000272
dtype:
2.6 绘制帕累托图
至此绘制帕累托图所需要的数据全部准备完毕，直接绘制
plt.figure(figsize=(12,4))
data.plot(kind = 'bar', color = 'g', alpha = 0.8, width = 0.6,rot=0)
p.plot(style = '--ko',secondary_y = True)
plt.axvline(key_num,color='r',linestyle="--",alpha=0.8)
plt.text(key_num+0.2,p[key],'累计占比为：%.3f%%' % (p[key]*100), color = 'r')
输出结果为：（基本上满足要求）
这里可以发现左右两侧只显示了一半的内容，可以通过plt.xlim()方法解决
3 封装
整个过程中梳理完毕后，发现共有三个功能需要实现，也就是2.4-2.6的部分，因此可以设置一个类， 添加三个函数，完成绘制帕累托图的代码封装。
直接给出代码，注意的是传入的数据是Series数据，因为对于DataFrame数据，单独取一列研究特征因素对应的数据类别就是Series数据
3.1 全部代码
class Pareto_analysis:
def __init__(self,series_data):
self.series_data = series_data
def get_key_factor_location(self):
data.sort_values(ascending=False,inplace = True)
p = data.cumsum()/data.sum()
key = p[p>0.8].index[0]
key_num = data.index.tolist().index(key)
print('超过80%占比的节点值索引为：',key)
print('超过80%占比的节点值索引位置为：',key_num)
def get_key_factor_information(self):
key_product = data.loc[:key]
print('核心因素为：')
print(key_product)
def plot_figure(self):
plt.figure(figsize=(12,4),dpi=500)
data.plot(kind = 'bar', color = 'g', alpha = 0.8, width = 0.6,rot=0)
plt.ylabel('频数')
plt.xlabel('特征因素')
p.plot(style = '--ko',secondary_y = True)
plt.axvline(key_num,color='r',linestyle="--",alpha=0.8)
plt.text(key_num+0.2,p[key],'累计占比为：%.3f%%' % (p[key]*100), color = 'r') # 累计占比超过80%的节点
plt.ylabel('频率累计百分比')
#这里根据特征因素的数量进行边距的设置
plt.xlim(-0.5,len(data)-0.5)
3.2 应用示例
（1）标记累计百分比80%特征因素的位置
（2）标记累计百分比80%特征因素的位置
（3）绘制帕累托图
直接一个函数调用，不想整那么麻烦的话
def Pareto_analysis(data):
data.sort_values(ascending=False,inplace = True)
p = data.cumsum()/data.sum()
key = p[p>0.8].index[0]
key_num = data.index.tolist().index(key)
print('More than 80% of the node values are indexed as：',key)
print('More than 80% of the node values index position is：',key_num)
key_product = data.loc[:key]
print('The key factors are：')
print(key_product)
plt.figure(figsize=(12,4),dpi=500)
data.plot(kind = 'bar', color = 'g',edgecolor = 'black', alpha = 0.8, width = 0.6,rot=0)
plt.ylabel('Frequency')
plt.xlabel('Characteristic factor')
p.plot(style = '--ko',secondary_y = True)
plt.axvline(key_num,color='r',linestyle="--",alpha=0.8)
plt.text(key_num+0.2,p[key],'The cumulative proportion is：%.3f%%' % (p[key]*100), color = 'r')
plt.ylabel('Cumulative percentages')
plt.xlim(-0.5,len(data)-0.5)
调用函数，输出结果为：
至此利用python绘制帕累托图的过程就梳理完毕了！
