### 使用 Python 绘制帕累托图 (Pareto Chart) 帕累托图是一种组合图表，通常由柱状图和折线图组成。它用于显示数据中的主要因素及其累积百分比分布。以下是通过 `matplotlib` 和 `seaborn` 实现帕累托图的方法。 #### 数据准备 假设有一组类别与其对应的数值： | 类别 | 数值 | |------|------| | A | 10 | | B | 25 | | C | 30 | | D | 15 | | E | 20 | 这些数据可以被用来创建一个帕累托图。 ```python import matplotlib.pyplot as plt import numpy as np import pandas as pd # 原始数据 data = {'Category': ['A', 'B', 'C', 'D', 'E'], 'Values': [10, 25, 30, 15, 20]} df = pd.DataFrame(data) # 对数据按降序排列并计算累计比例 df_sorted = df.sort_values(by='Values', ascending=False) df_sorted['Cumulative_Percentage'] = np.cumsum(df_sorted['Values']) / sum(df_sorted['Values']) * 100 # 创建图形对象 fig, ax1 = plt.subplots(figsize=(8, 6)) # 条形图表示各分类的数值大小 ax1.bar(df_sorted['Category'], df_sorted['Values'], color='tab:blue') ax1.set_ylabel('Frequency', fontsize=12) ax1.tick_params(axis='y', labelcolor='tab:blue') # 折线图表示累计百分比 ax2 = ax1.twinx() ax2.plot(df_sorted['Category'], df_sorted['Cumulative_Percentage'], marker="o", color="red") ax2.yaxis.set_ticks(np.arange(0, 110, 10)) ax2.axhline(y=80, linestyle="--", color="gray") # 添加一条水平虚线作为参考线 ax2.set_yticks([0, 20, 40, 60, 80, 100]) ax2.set_ylim(0, 100) ax2.set_ylabel('Cumulative Percentage (%)', fontsize=12) ax2.tick_params(axis='y', labelcolor='red') plt.title('Pareto Chart Example with Matplotlib and Seaborn', fontsize=14) plt.tight_layout() # 显示图像 plt.show() ``` 此代码片段展示了如何利用 Pandas 进行数据分析以及使用 Matplotlib 的双轴功能来绘制条形图和折线图[^1]。 #### 关键点解释 - **排序**：为了遵循帕累托原则（即少数关键项占据大部分影响），需要先对原始数据按照其频率或重要性进行降序排列。 - **累积百分比**：通过对已排序的数据求取前缀和，并将其转换成相对于总和的比例形式得到每一步骤下的累积贡献度。 - **双重坐标系**：左侧纵轴代表具体数量级；右侧则对应于整体占比情况，便于直观理解哪些部分构成了绝大部分效果。 以上就是基于 Python 中常用库完成的一个标准帕累托分析绘图过程[^2]。