
以下的文章內(nèi)容來源于張彥存老師的專欄,如果您想閱讀專欄《Python 數(shù)據(jù)可視化 18 講(PyEcharts、Matplotlib、Seaborn)》,點擊下方鏈接
https://edu.cda.cn/goods/show/3842?targetId=6751&preview=0
帕累托分析(Pareto Analysis)源于經(jīng)濟(jì)學(xué)家維爾弗雷多·帕累托提出的"二八法則",其核心原理是通過識別導(dǎo)致80%結(jié)果的20%關(guān)鍵因素,幫助決策者聚焦資源解決主要矛盾。
具體實施步驟包含:
在管理和質(zhì)量控制領(lǐng)域,帕累托分析(Pareto Analysis)是一種決策工具,用于識別少數(shù)重要因素對總體影響的程度。除此之外還可以有如下應(yīng)用:
使用前需安裝,代碼運行的pyecharts版本是2.0.5
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts==2.0.5
首先,我們需要導(dǎo)入Pyecharts中的Bar和Line圖表類,以及options類,用于實現(xiàn)對各個圖標(biāo)的配置,此外如果代碼需要在jupyter notebook中展示圖形還需要從globals中導(dǎo)入CurrentConfig, NotebookType做執(zhí)行環(huán)境的配置,對于新版本的jupyter notebook統(tǒng)一設(shè)置為NotebookType.JUPYTER_LAB。
from pyecharts.charts import Bar, Line
from pyecharts import options as opts
# from pyecharts.globals import CurrentConfig, NotebookType
# CurrentConfig.NOTEBOOK_TYPE = NotebookType.JUPYTER_LAB
# 定義原始數(shù)據(jù)
categories = ["產(chǎn)品質(zhì)量問題", "送貨延遲", "客戶服務(wù)不滿", "價格不公", "其他"]
counts = [40, 30, 20, 5, 5]
技術(shù)細(xì)節(jié)說明:
total_counts = sum(counts) # 計算總量
cumulative_percents = [sum(counts[:i+1])/total_counts for i in range(len(counts))] # 累進(jìn)計算
計算過程解析:
(1) 柱狀圖初始化
bar = (
Bar()
.add_xaxis(categories)
.add_yaxis("投訴次數(shù)", counts)
.set_global_opts(
title_opts=opts.TitleOpts(title="帕累托分析圖"),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
)
)
bar.render_notebook()
關(guān)鍵技術(shù)點:
(2) 折線圖構(gòu)建
line = (
Line()
.add_xaxis(categories)
.add_yaxis(
"累計百分比",
cumulative_percents,
linestyle_opts=opts.LineStyleOpts(color="red", width=4),
label_opts=opts.LabelOpts(is_show=True, color="red")
)
)
line.render_notebook()
視覺優(yōu)化設(shè)計:
帕累托圖需將以上兩張圖組合在一起,可以使用overlap實現(xiàn)
bar.overlap(line) # 圖層疊加
bar.render_notebook()
可以看到圖形很奇怪,因為折線圖對應(yīng)的數(shù)據(jù)與柱形圖對應(yīng)的數(shù)據(jù)量綱相差很大。那如何優(yōu)化?
bar = (
Bar()
.add_xaxis(categories)
.add_yaxis("投訴次數(shù)", counts, yaxis_index=0) # 設(shè)置使用哪個y軸左邊的是第一個0 右邊的是第二個1
# 優(yōu)化點1 添加副y軸
.extend_axis(
yaxis=opts.AxisOpts(
type_="value",
name="累計百分比",
min_=0.3,
max_=1.1,
interval=0.2
)
)
.set_global_opts(
title_opts=opts.TitleOpts(title="帕累托分析圖"),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
)
)
line = (
Line()
.add_xaxis(categories)
.add_yaxis(
"累計百分比",
cumulative_percents,
yaxis_index=1, # 設(shè)置使用哪個y軸左邊的是第一個0 右邊的是第二個1
linestyle_opts=opts.LineStyleOpts(color="red", width=4),
label_opts=opts.LabelOpts(is_show=True, color="red")
)
)
bar.overlap(line)
# 調(diào)整圖層渲染順序不然折線圖被柱形圖遮擋
bar.options["series"][1]["z"] = 1 # 折線圖層
bar.options["series"][0]["z"] = 0 # 柱狀圖層
bar.render_notebook()
深度優(yōu)化說明:
# bar.load_javascript() # 最新版jupyter notebook需要這樣
bar.render_notebook() # Jupyter內(nèi)嵌展示
# bar.render("pareto.html") # 生成獨立HTML文件
多環(huán)境支持:
大家如果覺得自己的可視化技能訓(xùn)練的不錯了,可以實操起來。
本實現(xiàn)方案通過Pyecharts高效構(gòu)建了交互式帕累托分析圖表,將技術(shù)實現(xiàn)與業(yè)務(wù)分析有機結(jié)合,為決策者提供直觀的數(shù)據(jù)支持。開發(fā)者可根據(jù)具體業(yè)務(wù)需求擴展功能模塊,構(gòu)建完整的決策分析系統(tǒng)。繪制帕累托的流程相對固定,因此這些代碼也可以封裝為函數(shù)方便后續(xù)的復(fù)用。
# 完整實現(xiàn)代碼
def get_plt(categories,counts):
import pandas as pd
df = pd.DataFrame({"categories":categories,"counts":counts})
categories = list(df.sort_values("counts")["categories"])
counts = list(df.sort_values("counts")["counts"])
from pyecharts.charts import Bar, Line
from pyecharts import options as opts
bar = (
Bar()
.add_xaxis(categories)
.add_yaxis("投訴次數(shù)", counts, yaxis_index=0) # 設(shè)置使用哪個y軸左邊的是第一個0 右邊的是第二個1
# 優(yōu)化點1 添加副y軸
.extend_axis(
yaxis=opts.AxisOpts(
type_="value",
name="累計百分比",
min_=0.3,
max_=1.1,
interval=0.2
)
)
.set_global_opts(
title_opts=opts.TitleOpts(title="帕累托分析圖"),
tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
)
)
line = (
Line()
.add_xaxis(categories)
.add_yaxis(
"累計百分比",
cumulative_percents,
yaxis_index=1, # 設(shè)置使用哪個y軸左邊的是第一個0 右邊的是第二個1
linestyle_opts=opts.LineStyleOpts(color="red", width=4),
label_opts=opts.LabelOpts(is_show=True, color="red")
)
)
bar.overlap(line)
# 調(diào)整圖層渲染順序不然折線圖被柱形圖遮擋
bar.options["series"][1]["z"] = 1 # 折線圖層
bar.options["series"][0]["z"] = 0 # 柱狀圖層
return bar
以上的文章內(nèi)容來源于張彥存老師的專欄,如果您想閱讀專欄《Python 數(shù)據(jù)可視化 18 講(PyEcharts、Matplotlib、Seaborn)》,點擊下方鏈接
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關(guān)鍵? 在循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)家族中,長短期記憶網(wǎng)絡(luò)(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數(shù)據(jù)分析師報考條件詳解與準(zhǔn)備指南? ? 在數(shù)據(jù)驅(qū)動決策的時代浪潮下,CDA 數(shù)據(jù)分析師認(rèn)證愈發(fā)受到矚目,成為眾多有志投身數(shù) ...
2025-07-11數(shù)據(jù)透視表中兩列相乘合計的實用指南? 在數(shù)據(jù)分析的日常工作中,數(shù)據(jù)透視表憑借其強大的數(shù)據(jù)匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認(rèn) ...
2025-07-10BI 大數(shù)據(jù)分析師:連接數(shù)據(jù)與業(yè)務(wù)的價值轉(zhuǎn)化者? ? 在大數(shù)據(jù)與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預(yù)測分析中的應(yīng)用:從數(shù)據(jù)查詢到趨勢預(yù)判? ? 在數(shù)據(jù)驅(qū)動決策的時代,預(yù)測分析作為挖掘數(shù)據(jù)潛在價值的核心手段,正被廣泛 ...
2025-07-10數(shù)據(jù)查詢結(jié)束后:分析師的收尾工作與價值深化? ? 在數(shù)據(jù)分析的全流程中,“query end”(查詢結(jié)束)并非工作的終點,而是將數(shù) ...
2025-07-10CDA 數(shù)據(jù)分析師考試:從報考到取證的全攻略? 在數(shù)字經(jīng)濟(jì)蓬勃發(fā)展的今天,數(shù)據(jù)分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數(shù)據(jù)背后的時間軌跡? 在數(shù)據(jù)分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數(shù)據(jù)類型:時間維度的精準(zhǔn)切片? ? 在數(shù)據(jù)的世界里,時間是最不可或缺的維度之一,而year_month數(shù)據(jù)類型就像一把精準(zhǔn) ...
2025-07-09CDA 備考干貨:Python 在數(shù)據(jù)分析中的核心應(yīng)用與實戰(zhàn)技巧? ? 在 CDA 數(shù)據(jù)分析師認(rèn)證考試中,Python 作為數(shù)據(jù)處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數(shù)據(jù)趨勢與突變分析的有力工具? ? ? 在數(shù)據(jù)分析的廣袤領(lǐng)域中,準(zhǔn)確捕捉數(shù)據(jù)的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數(shù)據(jù)分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數(shù)據(jù)分析師認(rèn)證作為國內(nèi)權(quán)威的數(shù)據(jù)分析能力認(rèn)證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應(yīng)對策略? 長短期記憶網(wǎng)絡(luò)(LSTM)作為循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統(tǒng)計學(xué)方法在市場調(diào)研數(shù)據(jù)中的深度應(yīng)用? 市場調(diào)研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統(tǒng)計學(xué)方法則是市場調(diào)研數(shù) ...
2025-07-07CDA數(shù)據(jù)分析師證書考試全攻略? 在數(shù)字化浪潮席卷全球的當(dāng)下,數(shù)據(jù)已成為企業(yè)決策、行業(yè)發(fā)展的核心驅(qū)動力,數(shù)據(jù)分析師也因此成為 ...
2025-07-07剖析 CDA 數(shù)據(jù)分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數(shù)據(jù)分析師考試作為衡量數(shù)據(jù)專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉(zhuǎn)日期:解鎖數(shù)據(jù)處理的關(guān)鍵技能? 在數(shù)據(jù)處理與分析工作中,數(shù)據(jù)格式的規(guī)范性是保證后續(xù)分析準(zhǔn)確性的基礎(chǔ) ...
2025-07-04CDA 數(shù)據(jù)分析師視角:從數(shù)據(jù)迷霧中探尋商業(yè)真相? 在數(shù)字化浪潮席卷全球的今天,數(shù)據(jù)已成為企業(yè)決策的核心驅(qū)動力,CDA(Certifie ...
2025-07-04CDA 數(shù)據(jù)分析師:開啟數(shù)據(jù)職業(yè)發(fā)展新征程? ? 在數(shù)據(jù)成為核心生產(chǎn)要素的今天,數(shù)據(jù)分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03