排列图如何同时显示频数与百分比？

Question

在使用排列图（帕累托图）分析质量问题时，常需同时展示各类别问题的频数与累计百分比，以便识别关键少数。然而，许多用户在利用Excel或Python（如matplotlib、seaborn）绘制排列图时，发现难以在同一图表中正确叠加频数条形图与累计百分比折线图，尤其在双纵坐标轴设置不当导致刻度错位、数据失真。如何确保频数与百分比共用同一横轴类别顺序（按频数降序排列），并使右侧百分比轴准确反映左侧频数的累计比例？这是实际应用中常见的技术难题，影响了排列图的有效解读与决策支持。

Answer 1

排列图（帕累托图）绘制中的双轴协调与数据一致性解析

1. 问题背景：排列图在质量分析中的核心作用

排列图（Pareto Chart）是质量管理中识别“关键少数”问题的经典工具，结合了频数条形图与累计百分比折线图，帮助决策者聚焦主要矛盾。其有效性依赖于两个要素：一是横轴按频数降序排列类别；二是右侧纵轴的累计百分比必须准确反映左侧频数的累积比例。

然而，在实际使用Excel或Python（如matplotlib、seaborn）绘图时，用户常因双纵坐标轴设置不当导致刻度错位、折线走势失真，进而影响对“80%问题由20%原因引起”的判断准确性。

2. 常见技术痛点分析

• 类别未按频数降序排列，破坏帕累托原则基础
• 双Y轴刻度范围不匹配，导致折线图视觉扭曲
• 累计百分比计算错误或未归一化到100%
• 条形图与折线图数据序列错位，横轴标签对应错误
• 在Python中使用seaborn时难以直接支持双轴，需切换至matplotlib底层控制
• Excel中手动调整次坐标轴后格式丢失或重叠
• 多类别数据量大时自动排序逻辑缺失
• 导出图像时字体、图例位置混乱
• 缺乏可复用的模板代码或函数封装
• 动态更新数据后图表未联动刷新

3. 解决方案框架设计

1. 数据预处理：清洗并按频数降序排列
2. 计算累计频数与累计百分比
3. 选择支持双Y轴的绘图库（如matplotlib）
4. 创建主次Y轴，分别绑定条形图和折线图
5. 确保两图共享同一X轴分类顺序
6. 设置右侧Y轴为0-100%区间，并添加参考线（如80%线）
7. 优化图例、标题、网格线提升可读性
8. 封装为可调用函数便于批量处理
9. 输出高清图像用于报告展示
10. 集成至自动化质量监控流水线

4. Python实现示例（基于matplotlib）

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

# 示例数据
data = {
    'Category': ['设备故障', '操作失误', '材料缺陷', '设计错误', '环境干扰', '软件BUG', '培训不足', '流程遗漏', '沟通延迟', '校准偏差'],
    'Frequency': [35, 28, 22, 15, 10, 9, 7, 6, 5, 3]
}
df = pd.DataFrame(data)

# 按频数降序排序
df = df.sort_values(by='Frequency', ascending=False).reset_index(drop=True)

# 计算累计百分比
df['Cumulative_Frequency'] = df['Frequency'].cumsum()
total = df['Frequency'].sum()
df['Cumulative_Percentage'] = (df['Cumulative_Frequency'] / total) * 100

# 绘图
fig, ax1 = plt.subplots(figsize=(12, 7))

# 条形图（频数）
bars = ax1.bar(df['Category'], df['Frequency'], color='skyblue', label='频数')
ax1.set_xlabel('问题类别')
ax1.set_ylabel('频数', color='tab:blue')
ax1.tick_params(axis='y', labelcolor='tab:blue')

# 第二Y轴：累计百分比
ax2 = ax1.twinx()
ax2.plot(df['Category'], df['Cumulative_Percentage'], color='tab:red', marker='o', linestyle='-', linewidth=2, label='累计百分比')
ax2.set_ylabel('累计百分比 (%)', color='tab:red')
ax2.set_ylim(0, 100)
ax2.tick_params(axis='y', labelcolor='tab:red')

# 添加80%参考线
ax2.axhline(y=80, color='gray', linestyle='--', linewidth=1.5)
ax2.text(len(df)-1, 80, ' 80%', va='bottom', color='gray', fontsize=10)

# 标题与图例
plt.title('质量问题帕累托图（按频数降序排列）', fontsize=16)
fig.tight_layout()

# 合并图例
lines_labels = [ax1.get_legend_handles_labels(), ax2.get_legend_handles_labels()]
lines, labels = [sum(lol, []) for lol in zip(*lines_labels)]
ax1.legend(lines, labels, loc='upper left')

plt.xticks(rotation=45)
plt.grid(axis='y', alpha=0.3)
plt.show()

5. 关键步骤说明与流程图

graph TD A[原始质量问题数据] --> B{是否已按频数排序?} B -- 否 --> C[按频数降序排列] B -- 是 --> D[计算累计频数] C --> D D --> E[计算累计百分比] E --> F[创建主Y轴绘制条形图] F --> G[创建次Y轴绘制折线图] G --> H[同步X轴分类顺序] H --> I[设置右Y轴为0-100%] I --> J[添加80%参考线与图例] J --> K[输出帕累托图]

6. 数据验证表格（确保一致性）

类别	频数	累计频数	累计百分比(%)
设备故障	35	35	25.0
操作失误	28	63	45.0
材料缺陷	22	85	60.7
设计错误	15	100	71.4
环境干扰	10	110	78.6
软件BUG	9	119	85.0
培训不足	7	126	90.0
流程遗漏	6	132	94.3
沟通延迟	5	137	97.9
校准偏差	3	140	100.0