帕累托分析

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。”
→ 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

例如：

世界上大约 80％ 的资源是由世界上 15％ 的人口所耗尽的
世界财富的80％为25％的人所拥有；在一个国家的医疗体系中
20％ 的人口与 20％ 的疾病，会消耗 80％ 的医疗资源。

一个思路：通过二八原则，去寻找关键的那20%决定性因素！

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
% matplotlib inline

# 帕累托分布分析 
data = pd.Series(np.random.randn(10)*1200+3000,
                index = list('ABCDEFGHIJ'))
print(data)
print('------')
# 创建数据，10个品类产品的销售额

data.sort_values(ascending=False, inplace= True)
# 由大到小排列

plt.figure(figsize = (10,4))
data.plot(kind = 'bar', color = 'g', alpha = 0.5, width = 0.7)  
plt.ylabel('营收_元')
# 创建营收柱状图

p = data.cumsum()/data.sum()  # 创建累计占比，Series
key = p[p>0.8].index[0]  
key_num = data.index.tolist().index(key) 
print('超过80%累计占比的节点值索引为：' ,key)
print('超过80%累计占比的节点值索引位置为：' ,key_num)
print('------')
# 找到累计占比超过80%时候的index
# 找到key所对应的索引位置

p.plot(style = '--ko', secondary_y=True)  # secondary_y → y副坐标轴
plt.axvline(key_num,hold=None,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('营收_比例')
# 绘制营收累计占比曲线

key_product = data.loc[:key]
print('核心产品为：')
print(key_product)
# 输出决定性因素产品

答案：

A    4377.396859
B    4646.306400
C    5046.403470
D     999.850611
E    2408.016058
F    4318.273353
G    3893.589001
H    2486.025654
I    2176.618725
J    3589.327506
dtype: float64
------

超过80%累计占比的节点值索引为： H
超过80%累计占比的节点值索引位置为： 6
------
核心产品为：
C    5046.403470
B    4646.306400
A    4377.396859
F    4318.273353
G    3893.589001
J    3589.327506
H    2486.025654
dtype: float64

自我学习：

1. data.sort_values(ascending=False, inplace= True)

• sort_values()函数的具体参数
  • DataFrame.sort_values(by=‘##’,axis=0,ascending=True, inplace=False, na_position=‘last’)

参数	说明
by	指定列名(axis=0或'index')或索引值(axis=1或'columns')
axis	若axis=0或'index'，则按照指定列中数据大小排序； 若axis=1或'columns'，则按照指定索引中数据大小排序，默认axis=0
ascending	是否按指定列的数组升序排列，默认为True，即升序排列
inplace	是否用排序后的数据集替换原来的数据，默认为False，即不替换
na_position	{‘first',‘last'}，设定缺失值的显示位置

2. p = data.cumsum()/data.sum()

• .cumsum() 累计（累加）
• .sum() 加总

3. key_num = data.index.tolist().index(key)

• .tolist() 转换成列表

4. p.plot(style = ‘–ko’, secondary_y=True)

• secondary_y=True → 为y轴添加y副坐标轴

5. plt.axvline(key_num,hold=None,color=‘r’,linestyle="–",alpha=0.8)

• plt.axvline(x=0, ymin=0, ymax=1, hold=None, **kwargs) 和 plt.axhline(y=0, xmin=0, xmax=1, hold=None, **kwargs) 绘制一条横跨当前图表的垂直/水平辅助线