帕累托分析

帕累托分析

又称为二八法则,即百分之八十的问题是百分之二十的原因造成的。在项目管理中主要用于找出核心问题。

主要特点:

1、柱形图的数据按数值的降序排列,折线图上的数据有累积百分比数据,并在次坐标轴显示;
2、折线图的起点数值为0%,并且位于柱形图第一个柱子的最左下角;
3、折线图的第二个点位于柱形图第一个柱子的最右上角 ;
4、折线图最后一个点数值为100%,位于整张图形的最右上角

image-20210406105854078

案例:

背景:基础数据为企业2019全年的材料销售数据

目标:从企业盈利角度,根据二八法则定位核心盈利贡献的材料

基础数据:

image-20210406110302761

根据基础数据计算出利润:

image-20210406110405033

操作:

选中数据,【插入】–【数据透视表】–【现有工作表】选中位置即可,选择需要拖入报表的字段。

image-20210406110921115

对利润进行降序排序,选择第三列,右键-【值显示方式】–【按某一字段汇总的百分比】–点击确定

image-20210406111309415

选中复制,粘贴为值,调整数据格式

image-20210406111630934

绘制图表:

选中数据,【插入】–【所有图表】–【勾选累计百分比】–【次坐标轴】–点击确定

image-20210406112028590

设置坐标轴格式,选中,右键【边界最大值设置为1】

image-20210406112224886

image-20210406151518083

选中利润图标,右键设置间隙宽度为0,边框设置为【实线】【白色】

image-20210406151722900

image-20210406151747636

选中图表,右键【选择数据】–【编辑】检查是否有误

image-20210406152747607

image-20210406152815370

点击【图表元素】–【坐标轴】–勾选【次要横坐标轴】

image-20210406152934260

选中次要横坐标轴–【设置坐标轴格式】,【坐标轴位置】设置为在刻度线之上,【标签位置】设置为无

image-20210406153118964

选中纵坐标轴,【设置坐标轴格式】–最大值设置为利润的总和

image-20210406153530679

选中数据为82%的坐标点,添加数据标签,将82%之前的柱状图颜色设置为黄色即可

image-20210406153916684

### 帕累托分析与TAB格式数据处理 帕累托分析是一种基于“80/20法则”的统计技术,用于识别少数关键因素对整体结果的影响。在数据分析中,这种技术通常用于确定哪些变量或类别对特定目标的贡献最大[^1]。 #### 使用表格工具进行帕累托分析 在进行帕累托分析时,可以使用表格工具(如Excel、Tableau等)来处理和可视化数据。例如,在Excel中,可以通过以下方式实现帕累托分析: 1. **数据排序**:首先将数据按降序排列,确保最重要的因素排在前面。 2. **计算累计百分比**:为每个类别计算其占总值的比例,并进一步计算累计百分比。 3. **绘制表**:使用柱状表示各类别的绝对值,同时叠加一条折线表示累计百分比。 ```python import pandas as pd import matplotlib.pyplot as plt # 示例数据 data = {'Category': ['A', 'B', 'C', 'D', 'E'], 'Value': [30, 25, 20, 15, 10]} df = pd.DataFrame(data) # 按值降序排序 df = df.sort_values(by='Value', ascending=False) # 计算累计百分比 df['Cumulative_Percentage'] = df['Value'].cumsum() / df['Value'].sum() * 100 # 绘制帕累托 fig, ax1 = plt.subplots() ax2 = ax1.twinx() ax1.bar(df['Category'], df['Value'], color='indianred') ax2.plot(df['Category'], df['Cumulative_Percentage'], color='black', marker='o') ax1.set_xlabel('类别') ax1.set_ylabel('值') ax2.set_ylabel('累计百分比 (%)') plt.title('帕累托分析') plt.show() ``` 上述代码展示了如何使用Python中的Pandas和Matplotlib库生成帕累托[^3]。 #### TAB格式数据处理 在处理TAB分隔的数据时,可以使用多种工具和编程语言。例如,Python中的`pandas`库提供了强大的功能来读取和处理TAB分隔文件: ```python # 读取TAB分隔文件 data = pd.read_csv('data.txt', sep='\t') # 显示前几行数据 print(data.head()) ``` 通过这种方式,可以轻松加载和操作TAB格式的数据,以便进行进一步的分析和可视化[^3]。 #### Tableau中的帕累托分析 Tableau作为一种强大的数据可视化工具,能够快速实现帕累托分析。用户可以通过拖放操作创建柱状和折线的组合,从而直观地展示数据中的主要贡献因素[^1]。 ### 注意事项 - 确保数据的准确性和完整性,这对于帕累托分析的结果至关重要。 - 在使用表格工具时,注意选择合适的表类型以清晰地传达信息。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值