以下的文章内容来源于张彦存老师的专栏，如果您想阅读专栏《Python 数据可视化 18 讲（PyEcharts、Matplotlib、Seaborn）》，点击下方链接

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

一、帕累托分析原理与应用

1.1 核心原理

帕累托分析（Pareto Analysis）源于经济学家维尔弗雷多·帕累托提出的"二八法则"，其核心原理是通过识别导致80%结果的20%关键因素，帮助决策者聚焦资源解决主要矛盾。

具体实施步骤包含：

• 数据收集与分类
• 按影响程度降序排列
• 计算累计百分比
• 识别关键因素（通常为累计占比70-80%的前端因素）

1.2 典型应用场景

在管理和质量控制领域，帕累托分析（Pareto Analysis）是一种决策工具，用于识别少数重要因素对总体影响的程度。除此之外还可以有如下应用：

• 供应链管理：分析库存积压主因
• 客户投诉分析：定位核心服务问题
• 销售优化：聚焦高贡献产品线
• 故障排查：锁定高频故障点 今天我们基于简单的实验数据，使用Python中的Pyecharts库来开发一个帕累托分析图

二、基于Pyecharts的技术实现

使用前需安装，代码运行的pyecharts版本是2.0.5

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

2.1 环境配置与数据准备

首先，我们需要导入Pyecharts中的Bar和Line图表类，以及options类，用于实现对各个图标的配置，此外如果代码需要在jupyter notebook中展示图形还需要从globals中导入CurrentConfig, NotebookType做执行环境的配置，对于新版本的jupyter notebook统一设置为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

# 定义原始数据
categories = ["产品质量问题", "送货延迟", "客户服务不满", "价格不公", "其他"]
counts = [40, 30, 20, 5, 5]

技术细节说明：

• 需确保数据已按降序排列（本示例已预处理）
• 累计百分比计算需基于有序数据

2.2 核心计算逻辑

total_counts = sum(counts)  # 计算总量
cumulative_percents = [sum(counts[:i+1])/total_counts for i in range(len(counts))]  # 累进计算

计算过程解析：

• sum(counts)获取总投诉量100次
• 列表推导式逐项累加：40/100=0.4 → (40+30)/100=0.7 → ... → 1.0
• 输出结果：[0.4, 0.7, 0.9, 0.95, 1.0]

2.3 可视化组件构建

(1) 柱状图初始化

bar = (
    Bar()
    .add_xaxis(categories)
    .add_yaxis("投诉次数", counts)
    .set_global_opts(
        title_opts=opts.TitleOpts(title="帕累托分析图"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
    )
)
bar.render_notebook()

关键技术点：

• 交互式提示工具配置增强数据可读性

(2) 折线图构建

line = (
    Line()
    .add_xaxis(categories)
    .add_yaxis(
        "累计百分比", 
        cumulative_percents, 
        linestyle_opts=opts.LineStyleOpts(color="red", width=4),
        label_opts=opts.LabelOpts(is_show=True, color="red")
    )
)
line.render_notebook()

视觉优化设计：

• 红色粗线（width=4）提升视觉优先级
• 显示数值标签辅助精确读数

2.4 图表合成与优化

帕累托图需将以上两张图组合在一起，可以使用overlap实现

bar.overlap(line) # 图层叠加
bar.render_notebook()

可以看到图形很奇怪，因为折线图对应的数据与柱形图对应的数据量纲相差很大。那如何优化？

bar = (
    Bar()
    .add_xaxis(categories)
    .add_yaxis("投诉次数", counts, yaxis_index=0) # 设置使用哪个y轴左边的是第一个0  右边的是第二个1
    # 优化点1 添加副y轴
    .extend_axis(
        yaxis=opts.AxisOpts(
            type_="value", 
            name="累计百分比",
            min_=0.3, 
            max_=1.1,
            interval=0.2
        )
    )
    .set_global_opts(
        title_opts=opts.TitleOpts(title="帕累托分析图"),
        tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
    )
)

line = (
    Line()
    .add_xaxis(categories)
    .add_yaxis(
        "累计百分比", 
        cumulative_percents, 
        yaxis_index=1, # 设置使用哪个y轴左边的是第一个0  右边的是第二个1
        linestyle_opts=opts.LineStyleOpts(color="red", width=4),
        label_opts=opts.LabelOpts(is_show=True, color="red")
    )
)

bar.overlap(line)  

# 调整图层渲染顺序不然折线图被柱形图遮挡
bar.options["series"][1]["z"] = 1  # 折线图层
bar.options["series"][0]["z"] = 0  # 柱状图层
bar.render_notebook()

深度优化说明：

• extend_axis创建次坐标轴，范围设置为30%-110%以留出视觉缓冲
• yaxis_index=0指定主坐标轴
• yaxis_index=1绑定次坐标轴
• overlap()实现双坐标系叠加
• z参数控制图层层级（数值越大显示越上层）
• 默认柱状图在前会遮挡折线，故需调整层序

2.5 输出与展示

# bar.load_javascript() # 最新版jupyter notebook需要这样
bar.render_notebook()  # Jupyter内嵌展示
# bar.render("pareto.html")  # 生成独立HTML文件

多环境支持：

• Jupyter环境使用render_notebook()
• 独立运行环境建议输出HTML文件
• 可通过options继续添加更多交互配置

三、实现效果与业务解读

3.1 生成图表分析

帕累托分析效果图

• 前两项（质量+送货）占比70%，符合关键因素标准
• 累计曲线斜率变化点指示改善阈值
• 最后两项仅占10%，可暂缓处理

3.2 生产环境扩展建议

• 动态数据绑定：对接数据库实时更新
• 自动化排序：添加数据预处理模块
• 阈值标注：添加80%参考线
• 导出功能：集成报告生成模块

大家如果觉得自己的可视化技能训练的不错了，可以实操起来。

四、完整代码汇总

本实现方案通过Pyecharts高效构建了交互式帕累托分析图表，将技术实现与业务分析有机结合，为决策者提供直观的数据支持。开发者可根据具体业务需求扩展功能模块，构建完整的决策分析系统。绘制帕累托的流程相对固定，因此这些代码也可以封装为函数方便后续的复用。

# 完整实现代码
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("投诉次数", counts, yaxis_index=0) # 设置使用哪个y轴左边的是第一个0  右边的是第二个1
        # 优化点1 添加副y轴
        .extend_axis(
            yaxis=opts.AxisOpts(
                type_="value", 
                name="累计百分比",
                min_=0.3, 
                max_=1.1,
                interval=0.2
            )
        )
        .set_global_opts(
            title_opts=opts.TitleOpts(title="帕累托分析图"),
            tooltip_opts=opts.TooltipOpts(trigger="axis", axis_pointer_type="cross")
        )
    )

    line = (
        Line()
        .add_xaxis(categories)
        .add_yaxis(
            "累计百分比", 
            cumulative_percents, 
            yaxis_index=1, # 设置使用哪个y轴左边的是第一个0  右边的是第二个1
            linestyle_opts=opts.LineStyleOpts(color="red", width=4),
            label_opts=opts.LabelOpts(is_show=True, color="red")
        )
    )

    bar.overlap(line)  

    # 调整图层渲染顺序不然折线图被柱形图遮挡
    bar.options["series"][1]["z"] = 1  # 折线图层
    bar.options["series"][0]["z"] = 0  # 柱状图层
    return bar

以上的文章内容来源于张彦存老师的专栏，如果您想阅读专栏《Python 数据可视化 18 讲（PyEcharts、Matplotlib、Seaborn）》，点击下方链接

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