【贡献度分析(帕累托图)】

文章目录

  • 前言
  • 一、贡献度分析是什么?
  • 二、使用步骤
    • 1. 准备数据
    • 2. 排序数据
    • 3. 绘制帕累托图
    • 4. 分析结果
    • 5. 实际应用
  • 三、示例代码


前言

贡献度分析也称为帕累托分析。它可以帮助我们理解数据集中各个因素对整体影响的程度,从而优先处理最重要的因素,达到事半功倍的效果。


一、贡献度分析是什么?

贡献度分析源自于意大利经济学家维尔弗雷多·帕累托的名字,他在20世纪初提出了“20/80定律”,即80%的结果来自于20%的原因。贡献度分析通过绘制帕累托图,将数据按照重要性排序,揭示出影响最大的关键因素,有助于决策者更好地分配资源和精力。

二、使用步骤

1. 准备数据

首先准备要分析的数据集,可以是销售额、成本、客户数量等各种业务指标。

2. 排序数据

将数据按照重要性进行排序,可以是按照金额大小、数量多少等指标。

3. 绘制帕累托图

利用排序后的数据绘制帕累托图,横轴表示因素,纵轴表示累积贡献度,通常用累积百分比表示。同时,在图上添加累积百分比曲线,以便更直观地观察数据分布。

4. 分析结果

根据帕累托图的结果,可以清晰地看出哪些因素对整体影响最大,从而有针对性地进行决策和优化。

5. 实际应用

贡献度分析在各个领域都有广泛的应用,比如销售管理、生产管理、客户管理等。通过识别关键因素,可以帮助企业更加高效地运营和管理。

三、示例代码

import pandas as pd
import matplotlib.pyplot as plt# 准备数据
data = {'因素': ['A', 'B', 'C', 'D', 'E'],'金额': [100, 80, 60, 40, 20]
}
df = pd.DataFrame(data)# 排序数据
df_sorted = df.sort_values(by='金额', ascending=False)
df_sorted['累积百分比'] = df_sorted['金额'].cumsum() / df_sorted['金额'].sum() * 100
print(df_sorted)# 绘制帕累托图
fig, ax1 = plt.subplots()# 设置中文
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
color = 'tab:red'
ax1.bar(df_sorted['因素'], df_sorted['金额'], color=color)
ax1.set_xlabel('因素')
ax1.set_ylabel('金额', color=color)
ax1.tick_params(axis='y', labelcolor=color)ax2 = ax1.twinx()
color = 'tab:blue'
ax2.plot(df_sorted['因素'], df_sorted['累积百分比'], color=color, marker='o')
ax2.set_ylabel('累积百分比', color=color)
ax2.tick_params(axis='y', labelcolor=color)plt.title('贡献度分析(帕累托图)')
plt.show()

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/848943.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

代码随想录算法训练营第四十九天| 139.单词拆分、背包问题总结

139.单词拆分 题目链接:139.单词拆分 文档讲解:代码随想录/单词拆分 视频讲解:视频讲解-单词拆分 状态:已完成(0遍) 解题过程 这几天博主忙着面试和入职,一晃已经周四了,这个礼拜…

大模型微调工具LLaMA-Factory docker安装、大模型lora微调训练

参考: https://github.com/hiyouga/LLaMA-Factory 报错解决: 1)Docker 构建报错 RuntimeError: can’t start new thread: https://github.com/hiyouga/LLaMA-Factory/issues/3859 修改后的Dockerfile: FROM nvcr.io/nvidia/pytorch:24.01-py3WORKDIR /appCOPY requirem…

oracle数据库通过impdp导入数据时提示,ORA-31684:对象类型用户xxx已存在,和ORA-39151:表xxx存在的解决办法

前提条件:首先备份原数据库中此用户对应的schemas 比如名为cams_wf的schemas 以便出了问题后还可以恢复原数据。 解决办法一、 通过命令或者数据库管理工具删除掉此schemas下的所有表,然后在impdp中加入ignorey 来忽略ORA-31684:对象类型用…

Python logging 模块详解

Python 的 logging 模块提供了一个强大而灵活的日志系统。它是 Python 标准库的一部分,因此可以在任何 Python 程序中使用。logging 模块提供了许多有用的功能,包括日志消息的级别设置、日志消息的格式设置、将日志消息输出到不同的目标,以及…

深度解读ChatGPT

技术基础: ChatGPT是一种基于人工智能技术的自然语言处理工具,特别是自然语言生成(NLG)模型。它采用了Transformer架构,这是一种深度学习模型,特别适用于处理序列数据,如自然语言文本。 工作原理…

UE5刷植物悬空了

UE5系列文章目录 文章目录 UE5系列文章目录前言一、解决办法 前言 在Unreal Engine5.3中使用植物模式刷各种植物时,有时会发现有的植物要么悬空,要不有刷不上地板的情况。而且悬空的植物还不能接触到地面,感觉很奇怪,就像下图所示…

mmdetection的生物图像实例分割三:自定义数据集的测试与分析

mmdetection的生物图像实例分割全流程记录 第三章 自定义数据集的测试、重建与分析 文章目录 mmdetection的生物图像实例分割全流程记录前言一、测试集的推理1.模型测试2.测试数据解析 二、测试结果的数据整合三、生物结构的重建效果 前言 mmdetection是一个比较容易入门且上…

Kotlin 引用(双冒号::)

文章目录 双冒号::引用函数普通函数成员函数类构造函数 引用变量&#xff08;很少用&#xff09;普通变量成员变量 双冒号:: Kotlin 中可以使用双冒号::对某一变量、函数进行引用。 Note&#xff1a;MyClass::class可用于获取KClass<MyClass>&#xff0c;此时的双冒号::…

c time(NULL) time(time_t *p) 区别

chatgpt 的回答&#xff1a; time(NULL) 和 time(time_t *p) 都是用于获取当前系统时间的函数&#xff0c;但它们的用法略有不同。 time(NULL)&#xff1a; 这是 time 函数的简化版本&#xff0c;用于获取当前的系统时间&#xff0c;返回的结果是自 "Epoch"&#xf…

【研发日记】Matlab/Simulink软件优化(二)——通信负载柔性均衡算法

文章目录 前言 背景介绍 初始代码 优化代码 分析和应用 总结 前言 见《【研发日记】Matlab/Simulink软件优化(一)——动态内存负荷压缩》 背景介绍 在一个嵌入式软件开发项目中&#xff0c;需要设计一个ECU节点的CAN网路数据发送&#xff0c;需求是在500k的通信波特率上&a…

机器人舵机:关键要素解析与选择指南

在机器人技术日新月异的今天&#xff0c;舵机作为机器人的核心部件之一&#xff0c;扮演着至关重要的角色。它的性能直接关系到机器人的运动控制、稳定性以及精度等方面。那么&#xff0c;在选择和使用机器人舵机时&#xff0c;我们需要关注哪些关键要素呢&#xff1f;本文将为…

使用Vue.js将form表单传递到后端

一.form表单 <form submit.prevent"submitForm"></form> form表单像这样写出来&#xff0c;然后把需要用户填写的内容写在form表单内。 二.表单内数据绑定 <div class"input-container"><div style"margin-left: 9px;"&…

Gradle和Maven都是广泛使用的项目自动化构建工具

Gradle和Maven都是广泛使用的项目自动化构建工具&#xff0c;但它们在多个方面存在差异。以下是关于Gradle和Maven的详细对比&#xff1a; 一、构建脚本语言 Maven&#xff1a;使用XML作为构建脚本语言。XML的语法较为繁琐&#xff0c;不够灵活&#xff0c;对于复杂的构建逻辑…

【FPGA约束】如何确定FPGA和SDI驱动芯片之间io的时序约束值

确定FPGA和SDI&#xff08;Serial Digital Interface&#xff09;驱动芯片之间的I/O时序约束值&#xff0c;需要考虑多个因素&#xff0c;包括信号的传输特性、FPGA的I/O标准、以及SDI接口规范。以下是一些步骤和考虑因素&#xff1a; 理解SDI接口规范&#xff1a;首先&#xf…

WALT算法简介

WALT(Windows-Assist Load Tracing)算法是由Qcom开发&#xff0c; 通过把时间划分为窗口&#xff0c;对 task运行时间和CPU负载进行跟踪计算的方法。为任务调度、迁移、负载均衡及CPU调频 提供输入。 WALT相对PELT算法&#xff0c;更能及时反映负载变化&#xff0c; 更适用于…

String类知识

目录 一、String存在意义 二、字符串为何不可变 三、String类常用方法 1、字符串构造 2、String对象的比较 3、字符串查找 4、转化 &#xff08;1&#xff09;数值和字符转化 &#xff08;2&#xff09;大小写转换 &#xff08;3&#xff09;字符串转数组 &#xff08;4&…

系统架构设计师【补充知识】: 应用数学 (核心总结)

24.1 图论之最小生成树 (1)定义: 在连通的带权图的所有生成树中&#xff0c;权值和最小的那棵生成树(包含图中所有顶点的树)&#xff0c;称作最小生成树。 (2)针对问题: 带权图的最短路径问题。 (3)最小生成树的解法有普里姆(Prim)算法和克鲁斯卡尔(Kruskal)算法&#xff0c;我…

重复文件怎么查找并清理,试试这5个文件去重方法(新)

重复文件怎么查找并清理&#xff1f;日常工作中&#xff0c;我们使用电脑的时间长了&#xff0c;都会累积大量好的文件&#xff0c;这其中难免会出现重复文件。这些重复文件不仅占用了电脑磁盘空间&#xff0c;还会降低电脑性能。因此&#xff0c;我们必须定期对重复文件查找出…

2020年09月C语言二级真题

目录 单词倒排 题目描述 样例 细菌的繁殖与扩散 题目描述 样例 高精度加法 题目描述 样例 单词倒排 题目描述 编写程序&#xff0c;读入一行英文(只包含字母和空格&#xff0c;单词间以单个空格分隔)&#xff0c;将所有单词的顺序倒排并输出&#xff0c;依然以单个空格…

fastapi学习前置知识点

前置知识点 FastApi&#xff1a;一个用于构建API的现代、快速&#xff08;高性能&#xff09;的web框架。 FastApi是建立在Pydantic和Starlette基础上&#xff0c;Pydantic是一个基于Python类型提示来定义数据验证、序列化和文档的库。Starlette是一种轻量级的ASGI框架/工具包…