pandas绘制条形图及帕累托图

条形图是一种常用的可视化方法，用于比较不同类别下的数值数据。帕累托图是一种特殊的条形图，用于显示按照重要性排序的因素的贡献程度。

在pandas中，可以使用plot.bar()方法来绘制条形图，使用plot.barh()方法来绘制水平条形图。而绘制帕累托图则需要按照重要性排序后计算累计贡献率，并使用plot.bar()方法绘制两个数据系列，一个是原始数据的条形图，一个是累计贡献率的线图。

下面是一个简单的例子，演示如何使用pandas绘制条形图及帕累托图。

首先，我们需要导入必要的库并生成一些示例数据。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 生成示例数据
np.random.seed(123)
data = pd.DataFrame({'A': np.random.randint(1, 10, 5),
                     'B': np.random.randint(1, 10, 5),
                     'C': np.random.randint(1, 10, 5)})
data.index = ['a', 'b', 'c', 'd', 'e']
print(data)

输出结果如下：

   A  B  C
a  3  3  3
b  3  7  2
c  7  2  4
d  2  4  7
e  4  6  2

接下来，我们可以使用plot.bar()方法绘制条形图。

data.plot.bar()
plt.show()

运行结果如下：


我们也可以使用plot.barh()方法绘制水平条形图。

data.plot.barh()
plt.show()

运行结果如下：


接下来，我们可以按照某一列数据的大小排序，计算每个类别的累计贡献率，并绘制帕累托图。

# 按照列B的大小排序
sorted_data = data.sort_values('B', ascending=False)

# 计算每个类别的累计贡献率
cumulative = sorted_data.sum().cumsum() / sorted_data.sum().sum()

# 绘制帕累托图
fig, ax1 = plt.subplots()
ax1.bar(sorted_data.columns, sorted_data.sum())
ax1.tick_params(axis='y', labelcolor='tab:blue')
ax1.set_ylabel('Frequency', color='tab:blue')
ax2 = ax1.twinx()
ax2.plot(sorted_data.columns, cumulative, color='tab:red', marker='o')
ax2.tick_params(axis='y', labelcolor='tab:red')
ax2.set_ylabel('Cumulative Contribution', color='tab:red')
plt.show()

运行结果如下：