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

一、帕累托分析原理與應(yīng)用

1.1 核心原理

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：

• 數(shù)據(jù)收集與分類
• 按影響程度降序排列
• 計算累計百分比
• 識別關(guān)鍵因素（通常為累計占比70-80%的前端因素）

1.2 典型應(yīng)用場景

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：

• 供應(yīng)鏈管理：分析庫存積壓主因
• 客戶投訴分析：定位核心服務(wù)問題
• 銷售優(yōu)化：聚焦高貢獻(xiàn)產(chǎn)品線
• 故障排查：鎖定高頻故障點 今天我們基于簡單的實驗數(shù)據(jù)，使用Python中的Pyecharts庫來開發(fā)一個帕累托分析圖

二、基于Pyecharts的技術(shù)實現(xiàn)

使用前需安裝，代碼運(yùn)行的pyecharts版本是2.0.5

pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pyecharts==2.0.5

2.1 環(huán)境配置與數(shù)據(jù)準(zhǔn)備

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：

• 需確保數(shù)據(jù)已按降序排列（本示例已預(yù)處理）
• 累計百分比計算需基于有序數(shù)據(jù)

2.2 核心計算邏輯

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：

• sum(counts)獲取總投訴量100次
• 列表推導(dǎo)式逐項累加：40/100=0.4 → (40+30)/100=0.7 → ... → 1.0
• 輸出結(jié)果：[0.4, 0.7, 0.9, 0.95, 1.0]

2.3 可視化組件構(gòu)建

(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：

• 交互式提示工具配置增強(qiáng)數(shù)據(jù)可讀性

(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：

• 紅色粗線（width=4）提升視覺優(yōu)先級
• 顯示數(shù)值標(biāo)簽輔助精確讀數(shù)

2.4 圖表合成與優(yōu)化

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：

• extend_axis創(chuàng)建次坐標(biāo)軸，范圍設(shè)置為30%-110%以留出視覺緩沖
• yaxis_index=0指定主坐標(biāo)軸
• yaxis_index=1綁定次坐標(biāo)軸
• overlap()實現(xiàn)雙坐標(biāo)系疊加
• z參數(shù)控制圖層層級（數(shù)值越大顯示越上層）
• 默認(rèn)柱狀圖在前會遮擋折線，故需調(diào)整層序

2.5 輸出與展示

# 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：

• Jupyter環(huán)境使用render_notebook()
• 獨立運(yùn)行環(huán)境建議輸出HTML文件
• 可通過options繼續(xù)添加更多交互配置

三、實現(xiàn)效果與業(yè)務(wù)解讀

3.1 生成圖表分析

• 前兩項（質(zhì)量+送貨）占比70%，符合關(guān)鍵因素標(biāo)準(zhǔn)
• 累計曲線斜率變化點指示改善閾值
• 最后兩項僅占10%，可暫緩處理

3.2 生產(chǎn)環(huán)境擴(kuò)展建議

• 動態(tài)數(shù)據(jù)綁定：對接數(shù)據(jù)庫實時更新
• 自動化排序：添加數(shù)據(jù)預(yù)處理模塊
• 閾值標(biāo)注：添加80%參考線
• 導(dǎo)出功能：集成報告生成模塊

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。

四、完整代碼匯總

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(jī)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(kuò)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

https://edu.cda.cn/goods/show/3842?targetId=6751&preview=0