---

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()