【python科研绘图】绘制帕累托图(Pareto)步骤解析，并封装后直接调用

小灰灰 2022-10-29 02:00 1001阅读 0赞

### 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][Link 1] https://blog.csdn.net/lys\_828/article/details/113746366

知识梳理不易，请尊重劳动成果，文章仅发布在CSDN网站上，在其他网站看到该博文均属于未经作者授权的恶意爬取信息

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

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]

# 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'))
    data

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: float64

## 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)
    data

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: float64

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：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]

## 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()
    p

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: float64

## 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: float64

## 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）  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]  
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  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]

# 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  
![在这里插入图片描述][20210220234208460.png]  
（2）标记累计百分比80%特征因素的位置  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]  
（3）绘制帕累托图  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]

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：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]

至此利用python绘制帕累托图的过程就梳理完毕了！

[Link 1]: https://blog.csdn.net/lys_828/article/details/113746366
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70]: /images/20221024/6e4ea1535e2d4e46ac3b8d810ab890cd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 1]: /images/20221024/99a68d0f4b78466b9018ab1aea4aacb3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 2]: /images/20221024/9d122b0854254bca9fe30d604577d8ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 3]: /images/20221024/d7373b84b37c4d849238fbf7898c88e7.png
[20210220234208460.png]: /images/20221024/61272efe05a84b73a61d6b9d148ca027.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 4]: /images/20221024/9670f5bdc777462f8b5ac1ce37ac7359.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 5]: /images/20221024/1ec152a053a5494a83c39e3771b27c53.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2x5c184Mjg_size_16_color_FFFFFF_t_70 6]: /images/20221024/3409975d1af64bf48196506d4f0a2fb0.png