AI数据分析:用deepseek进行贡献度分析(帕累托法则)

帕累托法则,也称为80/20法则,是由意大利经济学家维尔弗雷多·帕累托提出的。它指出在许多情况下,大约80%的效益来自于20%的原因。这个原则在很多领域都有应用,包括商业、经济、社会问题等。

在数据分析中,帕累托法则可以用来识别和专注于最具影响力的因素。以下是帕累托分析的基本步骤:

数据收集:首先,收集相关数据,确定你的分析目标。

数据排序:将数据按照某个特定的标准(如销售额、成本、频率等)进行排序。

计算总和:计算所有项目的总和。

确定累积百分比:对于每个项目,计算累积百分比。这可以通过将每个项目的值除以总和,然后乘以100来实现。

识别关键因素:识别累积百分比达到80%的那些关键因素(原因)。这通常意味着这些因素是最重要的贡献者。

分析和决策:根据帕累托分析的结果,分析关键因素对整体效益的影响,并做出相应的决策

任务:计算下面Excel表格中用活用户的贡献度

在deepseek中输入提示词:

你是一个Python编程专家,要完成一个Python脚本编写的任务,具体步骤如下:

读取Excel文件"F:\AI自媒体内容\AI行业数据分析\poetop50bots中文翻译.xlsx",

用matplotlib绘制一个柱状图:

从A列"热门bot名称"中提取数据作为标签,用于X轴;

从E列"月活用户占比"中提取数据作为大小,用于Y轴;

设置图表的标题为"Poe平台前50个bots月活用户贡献度分析";

在相同的图表上绘制累积比例曲线,颜色为红色,使用次y轴,次y轴的刻度是从0到1,中间间隔0.1,数据来自于E列,在累积比例曲线上要显示累积比例的数值;

设置matplotlib默认字体为'SimHei',文件路径为:C:\Windows\Fonts\simhei.ttf

保存图片到文件夹"F:\AI自媒体内容\AI行业数据分析",图片标题为:poetop50bots贡献度;

显示图片;

注意:每一步都输出信息到屏幕

源代码:

import pandas as pd

import matplotlib.pyplot as plt

from matplotlib import font_manager

设置matplotlib默认字体

font_path = r'C:\Windows\Fonts\simhei.ttf'

font_prop = font_manager.FontProperties(fname=font_path)

plt.rcParams['font.family'] = 'SimHei'

读取Excel文件

file_path = r'F:\AI自媒体内容\AI行业数据分析\poetop50bots中文翻译.xlsx'

df = pd.read_excel(file_path)

提取数据

labels = df['热门bot名称']

sizes = df['月活用户占比']

计算累积比例

cumulative_sizes = sizes.cumsum() / sizes.sum()

绘制柱状图

fig, ax1 = plt.subplots()

ax1.bar(labels, sizes, color='b')

ax1.set_xlabel('热门bot名称')

ax1.set_ylabel('月活用户占比', color='b')

ax1.tick_params(axis='y', labelcolor='b')

设置次y轴

ax2 = ax1.twinx()

ax2.plot(labels, cumulative_sizes, color='r')

ax2.set_ylim(0, 1)

ax2.set_yticks([i / 10 for i in range(0, 11)])

ax2.set_ylabel('累积比例', color='r')

ax2.tick_params(axis='y', labelcolor='r')

在累积比例曲线上添加文本注释

for i, (label, cumulative_size) in enumerate(zip(labels, cumulative_sizes)):

ax2.annotate(f'{cumulative_size:.2f}', (label, cumulative_size), textcoords="offset points", xytext=(0,10), ha='center')

设置图表标题

plt.title('Poe平台前50个bots月活用户贡献度分析')

保存图片

image_path = r'F:\AI自媒体内容\AI行业数据分析\poetop50bots贡献度.png'

plt.savefig(image_path)

显示图片

plt.show()

print("图表绘制完成,图片已保存到:", image_path)

相关推荐
成富44 分钟前
文本转SQL(Text-to-SQL),场景介绍与 Spring AI 实现
数据库·人工智能·sql·spring·oracle
CSDN云计算1 小时前
如何以开源加速AI企业落地,红帽带来新解法
人工智能·开源·openshift·红帽·instructlab
艾派森1 小时前
大数据分析案例-基于随机森林算法的智能手机价格预测模型
人工智能·python·随机森林·机器学习·数据挖掘
hairenjing11231 小时前
在 Android 手机上从SD 卡恢复数据的 6 个有效应用程序
android·人工智能·windows·macos·智能手机
小蜗子1 小时前
Multi‐modal knowledge graph inference via media convergenceand logic rule
人工智能·知识图谱
SpikeKing1 小时前
LLM - 使用 LLaMA-Factory 微调大模型 环境配置与训练推理 教程 (1)
人工智能·llm·大语言模型·llama·环境配置·llamafactory·训练框架
黄焖鸡能干四碗2 小时前
信息化运维方案,实施方案,开发方案,信息中心安全运维资料(软件资料word)
大数据·人工智能·软件需求·设计规范·规格说明书
2 小时前
开源竞争-数据驱动成长-11/05-大专生的思考
人工智能·笔记·学习·算法·机器学习
ctrey_2 小时前
2024-11-4 学习人工智能的Day21 openCV(3)
人工智能·opencv·学习
攻城狮_Dream2 小时前
“探索未来医疗:生成式人工智能在医疗领域的革命性应用“
人工智能·设计·医疗·毕业