数据探索中的贡献度分析
数据探索中的贡献度分析
贡献度分析又叫做帕累托分析，简单例子，如一个公司的80%的利润来自20%的产品，而其他80%的产品却只创造了20%的利润，这种分析对于机器学习中的样本选取意义有重要的作用
example
一个餐饮企业的产品为菜品，有的菜品销量好，有的差，通过分析可以选出贡献度大的产品，从而合理配备供给资源。
比如某月的菜品盈利如下
| 菜品ID | 菜品名 | 盈利 |
|---|---|---|
| 17148 | A1 | 9173 |
| 17154 | A2 | 5729 |
| 109 | A3 | 4811 |
| 117 | A4 | 3594 |
| 17151 | A5 | 3195 |
| 14 | A6 | 3026 |
| 2868 | A7 | 2378 |
| 397 | A8 | 1970 |
| 88 | A9 | 1877 |
| 426 | A10 | 1782 |
画出帕累托图
代码如下
#!/usr/bin/env python
# -*- coding: utf-8 -*-
import os
import pandas as pd
print pd.__version__
DIR = os.path.dirname(__file__)
dish_profit = DIR + '/data/catering_dish_profit.xls'
data = pd.read_excel(dish_profit, index_col = u'菜品名')
data = data[u'盈利'].copy()
data.sort_values(ascending = False)
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.figure()
data.plot(kind = 'bar')
plt.ylabel(u'盈利(元)')
p = 1.0*data.cumsum()/data.sum()
p.plot(color = 'r', secondary_y = True, style = '-o', linewidth = 2)
plt.annotate(format(p[6], '.4%'), xy = (6, p[6]), xytext = (6*0.9, p[6]*0.9), arrowprops = dict(arrowstyle = '->', connectionstyle = 'arc3, rad = .2'))
plt.ylabel(u'盈利（比例）')
plt.show()
作 者：小闪电
出处：链接
