關於Python數據分析進行整理柱狀圖加百分比

問題分析

Python數據分析作爲現在時興的技術，有着以下幾種優勢：
1、面嚮對象語言。（相對於面向過程的語言擁有可維護性、可讀性）
2、強大的標準庫，代碼量極少。
3、海量第三方模塊

在這裏我們使用Python數據分析來完成產品貢獻度分析的工作，作爲柱狀圖和百分比的分析圖表也具有更直觀的分析體驗。對於數據可視化的應用也有着重要的意義。
貢獻度分析也稱爲帕累託分析，其原理簡單來說就是20/80定律，即爲80%的利潤常常來自於20%的產品，那麼爲了能夠更好的推廣產品，加大力度進行投入資金、重點宣傳對於企業來說可以帶來更大的收入。那麼，我們在實際應用中應該如何進行分析、找到這20%的產品並且用圖表進行顯示就成爲了企業更關注的問題。

解決方案

首先我們瞭解一個公式：
累計貢獻率（%）=（累加銷售收入/銷售總收入）×100%
通過上面的公式，累計貢獻率在接近80%的時候，找到該產品在圖標中相應的位置進行標註。
（註明：我們說的80/20法則只能說是一個比喻和實用的標準，真正的比例不一定正好是80%：20%，80/20法則表明在多數情況下該關係很可能是不平衡的，並且接近80/20。）

在Python的Matplotlib圖表中提供了一個方法：annotate()方法，這種方法常常用於給圖標上的數據添加文本標註，並且支持帶箭頭的劃線工具，方便我們在合適的位置添加描述信息。常用的參數如下：

s：標註文本的內容
xy：設置箭頭尖的座標（傳入一個元組）
xytest：設置標註內容顯示的起始位置（傳入一個元組）
arrowprops：用來設置箭頭的樣式
facecolor：設置箭頭的顏色
headlength：箭頭頭部的長度
headwidth：箭頭頭部的寬度
width：箭頭的寬度

下面是代碼：

import pandas as pd
import matplotlib.pyplot as plt
aa = 'r./data/data1.xls'
df = pd.DataFrame(pd.read_excel(aa))
# 分組統計排序
# 通過reset_index()函數將groupby()的分組結果重新設置索引
df1 = df.groupby(["圖書編號"])[買家實際支付金額].sum().reset_index()
df1 = df1.set_index('圖書編號')	# 設置索引
df1 = df1[u'買家實際支付金額'].copy()
df2 = df1.sort_values(ascending = False)
# 圖表字體爲華文細黑，字號10
plt.rc('font', family = 'SimHei', size = 10)
plt.figure('貢獻度分析')
df2.plot(kind = 'bar')
plt.ylabel(u'銷售收入（元）')
p = 1.0*df2.cumsum() / df2.sum()
print(p)
p.plot(color = 'r', secondary_y = True, style = '-o', linewidth = 0.5)
plt.annotate(format(p[9],'.4%'), xy = (9,p[9]), xytext = (9*0.9, p[9]*0.9),
	    # 添加標記，並且指定箭頭樣式
	    arrowprops = dict(arrowstyle = "->",connectionstyle = "arc3,rad = .1"))
plt.ylabel(u'收入（比例）')
plt.show()