x32x01
أدارة أكتب كود
- بواسطة x32x01 ||
تحليل البيانات باستخدام بايثون: كيف تنشئ مخطط باريتو؟
مثال: 80% من مبيعاتك قد تأتي من 20% من المنتجات.
يُظهر المخطط الأعمدة (التي تمثل التكرار) والخط التراكمي (الذي يُظهر النسبة المجمعة). يُستخدم بشكل واسع في تحليل البيانات لتحديد الأولويات وحل المشكلات.
الكود:
# ١. استيراد المكتبات
# ٢. البيانات الأساسية
# ٣. تحويل البيانات إلى DataFrame
# ٤. ترتيب البيانات حسب التكرار
# ٥. حساب النسبة التراكمية
# ٦. رسم الأعمدة والخط التراكمي
pandas: لإدارة البيانات.
matplotlib.pyplot: لإنشاء الرسومات البيانية.
إنشاء البيانات:
قمنا بتحديد التصنيفات والتكرارات في قاموس.
ترتيب البيانات:
باستخدام sort_values لترتيب التكرارات من الأكبر إلى الأصغر.
حساب النسب التراكمية:
باستخدام دالة cumsum لحساب المجموع التدريجي.
إنشاء المخطط:
رسم الأعمدة باستخدام bar.
إضافة الخط التراكمي باستخدام plot.
العنوان والمحاور:
تحسين العرض بإضافة تسميات وعنوان.
التطبيقات العملية: يُستخدم في تحسين العمليات، تحليل المبيعات، وحل المشكلات.
تعلم Python: يمنحك هذا فرصة لتعلم أساسيات البرمجة وتحليل البيانات.
---
ابدأ الآن!
سواء كنت مبتدئًا أو محترفًا، تعلم إنشاء مخططات باريتو سيساعدك على تطوير مهاراتك في تحليل البيانات.
ما هو مخطط باريتو (Pareto Chart)؟
مخطط باريتو هو أداة تحليلية تعتمد على مبدأ "80/20"، والذي ينص على أن 80% من النتائج غالبًا ما تأتي من 20% من الأسباب.مثال: 80% من مبيعاتك قد تأتي من 20% من المنتجات.
يُظهر المخطط الأعمدة (التي تمثل التكرار) والخط التراكمي (الذي يُظهر النسبة المجمعة). يُستخدم بشكل واسع في تحليل البيانات لتحديد الأولويات وحل المشكلات.
كيفية إنشاء مخطط باريتو باستخدام بايثون؟
باستخدام مكتبات Pandas وMatplotlib، يمكنك إنشاء مخطط باريتو بسهولة! إليك الكود والشرح خطوة بخطوة:الكود:
# ١. استيراد المكتبات
Python:
import pandas as pd
import matplotlib.pyplot as plt
# ٢. البيانات الأساسية
Python:
data = {'Category': ['A', 'B', 'C', 'D', 'E'], 'Frequency': [50, 30, 15, 5, 2]}
# ٣. تحويل البيانات إلى DataFrame
Python:
df = pd.DataFrame(data)
# ٤. ترتيب البيانات حسب التكرار
Python:
df = df.sort_values('Frequency', ascending=False)
# ٥. حساب النسبة التراكمية
Python:
df['Cumulative %'] = df['Frequency'].cumsum() / df['Frequency'].sum() * 100
# ٦. رسم الأعمدة والخط التراكمي
Python:
fig, ax1 = plt.subplots()
ax1.bar(df['Category'], df['Frequency'], color='C4') # الأعمدة
ax1.set_ylabel('Frequency') # تسمية المحور الأول
ax2 = ax1.twinx()
ax2.plot(df['Category'], df['Cumulative %'], 'CID') # الخط التراكمي
ax2.set_ylabel('Cumulative %') # تسمية المحور الثاني
# ٧. إضافة العنوان
plt.title('Pareto Chart')
plt.show()
شرح الكود خطوة بخطوة:
استيراد المكتبات:pandas: لإدارة البيانات.
matplotlib.pyplot: لإنشاء الرسومات البيانية.
إنشاء البيانات:
قمنا بتحديد التصنيفات والتكرارات في قاموس.
ترتيب البيانات:
باستخدام sort_values لترتيب التكرارات من الأكبر إلى الأصغر.
حساب النسب التراكمية:
باستخدام دالة cumsum لحساب المجموع التدريجي.
إنشاء المخطط:
رسم الأعمدة باستخدام bar.
إضافة الخط التراكمي باستخدام plot.
العنوان والمحاور:
تحسين العرض بإضافة تسميات وعنوان.
لماذا يعتبر مخطط باريتو مهمًا؟
تحديد الأولويات: يساعدك على التركيز على الأسباب الأكثر تأثيرًا.التطبيقات العملية: يُستخدم في تحسين العمليات، تحليل المبيعات، وحل المشكلات.
تعلم Python: يمنحك هذا فرصة لتعلم أساسيات البرمجة وتحليل البيانات.
---
ابدأ الآن!
سواء كنت مبتدئًا أو محترفًا، تعلم إنشاء مخططات باريتو سيساعدك على تطوير مهاراتك في تحليل البيانات.