python中如何绘制帕累托图

在Python中绘制帕累托图，主要使用两个库：Matplotlib和Pandas。帕累托图是一种条形图，按值的降序排列，通常与累计百分比线结合使用。、通过帕累托图可以帮助识别最重要的因素、它广泛应用于质量管理和业务分析。接下来，我将详细介绍如何使用Python绘制帕累托图。

一、安装所需库

在开始绘图之前，确保你已经安装了所需的库。如果你还没有安装，可以使用以下命令进行安装：

pip install matplotlib pandas

二、导入库并准备数据

在绘制帕累托图之前，我们需要导入必要的库并准备数据。以下是一个简单的示例数据集：

import matplotlib.pyplot as plt
import pandas as pd
示例数据
data = {
    'Category': ['A', 'B', 'C', 'D', 'E'],
    'Value': [50, 30, 15, 4, 1]
}
df = pd.DataFrame(data)

三、绘制帕累托图

1、创建条形图

首先，我们需要创建一个按值降序排列的条形图：

df = df.sort_values(by='Value', ascending=False)
绘制条形图
fig, ax = plt.subplots()
ax.bar(df['Category'], df['Value'], color='C0')

2、计算累计百分比并绘制折线图

接下来，我们需要计算累计百分比，并在同一个图上绘制折线图：

# 计算累计百分比
df['Cumulative Percentage'] = df['Value'].cumsum() / df['Value'].sum() * 100
绘制累计百分比折线图
ax2 = ax.twinx()
ax2.plot(df['Category'], df['Cumulative Percentage'], color='C1', marker='D', ms=7)
ax2.yaxis.set_major_formatter(plt.FuncFormatter(lambda x, _: '{:.0f}%'.format(x)))

3、图形美化

为了使图形更美观，我们可以添加一些标签和标题：

# 添加标题和标签
ax.set_title('Pareto Chart')
ax.set_xlabel('Category')
ax.set_ylabel('Value')
ax2.set_ylabel('Cumulative Percentage')
plt.show()

四、完整代码

将上述步骤整合在一起，得到完整的绘制帕累托图的代码：

import matplotlib.pyplot as plt
import pandas as pd
示例数据
data = {
    'Category': ['A', 'B', 'C', 'D', 'E'],
    'Value': [50, 30, 15, 4, 1]
}
df = pd.DataFrame(data)
df = df.sort_values(by='Value', ascending=False)
绘制条形图
fig, ax = plt.subplots()
ax.bar(df['Category'], df['Value'], color='C0')
计算累计百分比
df['Cumulative Percentage'] = df['Value'].cumsum() / df['Value'].sum() * 100
绘制累计百分比折线图
ax2 = ax.twinx()
ax2.plot(df['Category'], df['Cumulative Percentage'], color='C1', marker='D', ms=7)
ax2.yaxis.set_major_formatter(plt.FuncFormatter(lambda x, _: '{:.0f}%'.format(x)))
添加标题和标签
ax.set_title('Pareto Chart')
ax.set_xlabel('Category')
ax.set_ylabel('Value')
ax2.set_ylabel('Cumulative Percentage')
plt.show()

五、深入解析帕累托图的应用

1、质量管理中的应用

帕累托图在质量管理中广泛应用，通过帕累托图可以识别出导致问题的最主要因素。例如，在生产过程中，可以通过帕累托图识别出导致产品缺陷的最主要原因，从而集中资源进行改进。

2、业务分析中的应用

在业务分析中，帕累托图可以帮助识别出对业务影响最大的因素。例如，通过分析客户投诉的原因，可以识别出最主要的投诉类型，从而改进客户服务。

六、定制化帕累托图

1、调整颜色和样式

可以通过调整颜色和样式，使帕累托图更符合个人或企业的风格：

# 自定义颜色和样式
ax.bar(df['Category'], df['Value'], color='#1f77b4')
ax2.plot(df['Category'], df['Cumulative Percentage'], color='#ff7f0e', marker='o', linestyle='--')

2、添加数据标签

为了使图形更加直观，可以在条形图和折线图上添加数据标签：

# 添加条形图数据标签
for i in range(len(df)):
    ax.text(i, df['Value'].iloc[i] + 1, df['Value'].iloc[i], ha='center')
添加折线图数据标签
for i in range(len(df)):
    ax2.text(i, df['Cumulative Percentage'].iloc[i] + 1, f"{df['Cumulative Percentage'].iloc[i]:.1f}%", ha='center')

七、总结

通过上述步骤，我们可以使用Python中的Matplotlib和Pandas库轻松绘制帕累托图。帕累托图不仅可以帮助我们识别出最重要的因素，而且可以帮助我们集中资源进行改进，从而提高效率和效果。在实际应用中，我们可以根据具体需求对帕累托图进行定制化，使其更加符合个人或企业的风格和需求。无论是在质量管理还是业务分析中，帕累托图都是一种非常有用的工具。