您好，登录后才能下订单哦！
密码登录
登录注册
点击 登录注册 即表示同意《亿速云用户服务条款》
# 怎么用Python绘制帕累托图
## 1. 帕累托图简介
帕累托图（Pareto Chart）是一种特殊的柱状图，它将数据按照频率或影响程度从高到低排列，并叠加累积百分比曲线。这种图表源自帕累托原则（80/20法则），即80%的结果往往由20%的原因造成。
### 1.1 帕累托图的核心组成
- **降序排列的柱状图**：显示各类别的绝对数量
- **累积百分比折线图**：显示累计占比
- **80%参考线**：帮助识别关键因素
### 1.2 典型应用场景
- 质量缺陷分析
- 客户投诉分类
- 库存管理（ABC分析）
- 业务流程优化
## 2. 准备工作
### 2.1 所需Python库
```python
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter
我们使用一个模拟的客户投诉数据：
data = {
'投诉类型': ['送货延迟', '产品质量', '包装破损', '客服态度', '错误商品', '网站故障'],
'投诉次数': [45, 32, 18, 12, 8, 5]
}
df = pd.DataFrame(data)
# 按投诉次数降序排列
df = df.sort_values(by='投诉次数', ascending=False)
# 计算累积百分比
df['累积百分比'] = df['投诉次数'].cumsum() / df['投诉次数'].sum() * 100
fig, ax1 = plt.subplots(figsize=(10, 6))
# 柱状图（左轴）
ax1.bar(df['投诉类型'], df['投诉次数'], color='C0')
ax1.set_xlabel('投诉类型')
ax1.set_ylabel('投诉次数', color='C0')
ax1.tick_params(axis='y', labelcolor='C0')
# 折线图（右轴）
ax2 = ax1.twinx()
ax2.plot(df['投诉类型'], df['累积百分比'], color='C1', marker='o')
ax2.set_ylabel('累积百分比', color='C1')
ax2.tick_params(axis='y', labelcolor='C1')
ax2.yaxis.set_major_formatter(PercentFormatter())
# 添加80%参考线
ax2.axhline(80, color='red', linestyle='--')
plt.title('客户投诉帕累托分析')
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()
plt.style.use('seaborn')
fig, ax1 = plt.subplots(figsize=(12, 7))
# 自定义柱状图颜色
colors = plt.cm.viridis(np.linspace(0.8, 0.2, len(df)))
bars = ax1.bar(df['投诉类型'], df['投诉次数'], color=colors)
# 添加数据标签
for bar in bars:
height = bar.get_height()
ax1.text(bar.get_x() + bar.get_width()/2., height,
f'{height}',
ha='center', va='bottom')
# 折线图增强
ax2 = ax1.twinx()
line, = ax2.plot(df['投诉类型'], df['累积百分比'],
color='red', marker='D',
linewidth=2, markersize=8)
# 添加折线图数据点标签
for x, y in zip(df['投诉类型'], df['累积百分比']):
ax2.text(x, y, f'{y:.1f}%',
color='red', ha='left', va='bottom')
# 参考线增强
ax2.axhline(80, color='darkred', linestyle=':', linewidth=1.5)
ax2.text(0.5, 82, '80% 关键线', color='darkred')
plt.title('客户投诉帕累托分析\n(2023年度数据)', pad=20)
ax1.set_xlabel('投诉类型', labelpad=10)
ax1.set_ylabel('投诉次数', labelpad=10)
ax2.set_ylabel('累积百分比', labelpad=10)
plt.xticks(rotation=30, ha='right')
plt.tight_layout()
使用Plotly创建交互式帕累托图：
import plotly.graph_objects as go
from plotly.subplots import make_subplots
fig = make_subplots(specs=[[{"secondary_y": True}]])
# 添加柱状图
fig.add_trace(
go.Bar(
x=df['投诉类型'],
y=df['投诉次数'],
name="投诉次数",
marker_color=px.colors.qualitative.Pastel
),
secondary_y=False,
)
# 添加折线图
fig.add_trace(
go.Scatter(
x=df['投诉类型'],
y=df['累积百分比'],
name="累积百分比",
mode='lines+markers',
line=dict(color='firebrick', width=2)
),
secondary_y=True,
)
# 添加参考线
fig.add_hline(
y=80,
line_dash="dot",
line_color="red",
annotation_text="80% 分界线",
annotation_position="bottom right"
)
# 布局设置
fig.update_layout(
title_text="交互式帕累托分析",
hovermode="x unified",
template="plotly_white"
)
fig.update_yaxes(
title_text="<b>投诉次数</b>",
secondary_y=False
)
fig.update_yaxes(
title_text="<b>累积百分比</b>",
secondary_y=True,
ticksuffix="%"
)
fig.show()
# 模拟数据
defects = {
'缺陷类型': ['划痕', '尺寸偏差', '颜色差异', '材料缺陷', '装配问题'],
'数量': [120, 85, 62, 45, 30]
}
df_defects = pd.DataFrame(defects)
# 计算库存价值
inventory = pd.read_csv('inventory_data.csv')
inventory['价值'] = inventory['单价'] * inventory['库存量']
inventory = inventory.sort_values('价值', ascending=False)
inventory['累积百分比'] = inventory['价值'].cumsum() / inventory['价值'].sum() * 100
当类别超过15个时：
# 合并小类别为"其他"
threshold = df['投诉次数'].sum() * 0.03 # 3%阈值
small_cats = df[df['投诉次数'] < threshold]
if not small_cats.empty:
other_row = pd.DataFrame({
'投诉类型': ['其他'],
'投诉次数': [small_cats['投诉次数'].sum()]
})
df = pd.concat([df[df['投诉次数'] >= threshold], other_row])
def generate_pareto(data, title, xcol, ycol):
"""自动化帕累托图生成函数"""
df = data.sort_values(ycol, ascending=False)
df['累积百分比'] = df[ycol].cumsum() / df[ycol].sum() * 100
fig, ax1 = plt.subplots(figsize=(10, 6))
ax1.bar(df[xcol], df[ycol])
ax1.set_ylabel(ycol)
ax2 = ax1.twinx()
ax2.plot(df[xcol], df['累积百分比'], color='r', marker='o')
ax2.set_ylabel('累积百分比 (%)')
ax2.yaxis.set_major_formatter(PercentFormatter())
ax2.axhline(80, color='k', linestyle='--')
plt.title(title)
plt.xticks(rotation=45)
return fig
# 按月份分析趋势
monthly_data = df.groupby(['月份', '投诉类型']).sum().unstack()
# 使用seaborn分面
import seaborn as sns
g = sns.FacetGrid(data=df, col='地区', col_wrap=3)
g.map_dataframe(generate_pareto, ...)
Python绘制帕累托图的关键步骤： 1. 数据准备和排序 2. 计算累积百分比 3. 创建双轴图表 4. 添加格式化和标注 5. 进行交互式增强（可选）
通过Matplotlib的基础实现和Plotly的交互式扩展，我们可以创建适用于不同场景的帕累托分析图表，帮助识别关键影响因素，支持数据驱动的决策过程。
附录：完整代码示例
# 完整示例代码
import pandas as pd
import matplotlib.pyplot as plt
from matplotlib.ticker import PercentFormatter
def create_pareto(data, value_col, category_col, title=""):
"""创建帕累托图的完整函数"""
# 数据处理
df = data.sort_values(value_col, ascending=False).copy()
df['cum_pct'] = df[value_col].cumsum() / df[value_col].sum() * 100
# 创建图表
fig, ax1 = plt.subplots(figsize=(12, 6))
# 柱状图
bars = ax1.bar(df[category_col], df[value_col], color='steelblue')
ax1.set_ylabel("频次", color='steelblue')
ax1.tick_params(axis='y', labelcolor='steelblue')
# 折线图
ax2 = ax1.twinx()
ax2.plot(df[category_col], df['cum_pct'],
color='tomato', marker='o')
ax2.set_ylabel("累积百分比", color='tomato')
ax2.tick_params(axis='y', labelcolor='tomato')
ax2.yaxis.set_major_formatter(PercentFormatter())
# 80%参考线
ax2.axhline(80, color='red', linestyle='--', alpha=0.5)
# 格式设置
plt.title(f"帕累托图: {title}")
plt.xticks(rotation=45, ha='right')
plt.tight_layout()
return fig
# 使用示例
data = pd.DataFrame({
'问题': ['A', 'B', 'C', 'D', 'E'],
'次数': [50, 30, 15, 10, 5]
})
fig = create_pareto(data, '次数', '问题', "质量问题分析")
plt.show()
”`
免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：is@yisu.com进行举报，并提供相关证据，一经查实，将立刻删除涉嫌侵权内容。