最新文章直接消耗系数、完全消耗系数
直接消耗系数 直接消耗系数 aija_{ij}aij 是生产单位 jjj 总产出对 iii 产品的直接消耗量，总投入=总产出，计算公式为： aij=xijXja_{ij}=\frac{x_{ij}}{X_j} aij=Xjxij 里昂惕夫逆矩阵： (I−A)(I-A)(I−A) 为里昂惕夫矩阵，(I−A)−1(I-A)^{-1}(I−A)−1 为里昂惕夫逆矩阵。 其中 III 为单位矩阵，AAA 为直接消耗系数， （扩展）里昂惕夫逆矩阵也称为完全需求系数矩阵。 完全消耗系数 B=(I−A)−1B=(I-A)^{-1} B=(I−A)−1 R实现 原数据 第一部门 第二部门 第三部门 第一部门 1 2 3 第二部门 2 3 4 第三部门 3 4 5 总投入 6 9 12 Q2017中间投入表 Y1 Y2 Y3 1 2 3 2 3 4 3 4 5 X2017总投入 total 6 6 6 123456789101112library(aTSA)Q=read.csv("D:Q2 ...
Powerbi——帕累托模型
以服务分类和地区为分析维度，利润与销售额为度量指标，建立帕累托模型。 原数据 建表-1帕累托维度 12345678910111213141516171-帕累托维度 = VAR city = SELECTCOLUMNS ( ADDCOLUMNS ( DISTINCT ( 'SalesData'[城市] ), "分析维度", "城市" ), "维度明细", [城市], "分析维度", [分析维度] )VAR time = SELECTCOLUMNS ( ADDCOLUMNS ( DISTINCT ( 'SalesData'[日期] ), "分析维度", "日期" ), "维度明细", [日期], "分析维度", [分析维度] ) RETURN UNION ( city,ti ...
帕累托图
帕累托图 (Pareto chart) 是将出现的质量问题和质量改进项目按照重要程度依次排列 而采用的一种图表。以[意大利]经济学家V.Pareto的名字而命名的。 帕累托图又叫排列图、主次图，是按照发生频率大小顺序绘制的直方图，表示有多少结果是由已确认类型或范畴的原因 所造成。 ABC分类法(Activity Based Classification) ，全称ABC分类库存控制法。又称帕累托分析法或巴雷托分析法、柏拉图分析、主次因分析法 、ABC分析法、分类管理法、物资重点管理法、ABC管理法、abc管理、巴雷特分析法，也称之为“80对20”规则，EMBA、MBA等主流商管教育均对ABC分类法对企业管理的启示及对管理者组织决策的影响有所介绍。 A类因素，发生累计频率为0%~80%，是主要影响因素。 B类因素，发生累计频率为80%~90%，是次要影响因素。 C类因素，发生累计频率为90%~100%，是一般影响因素。 1234567891011121314151617181920212223242526272829303132333435363738394041424344454 ...
条形图正负不同色加表格
12345678910111213141516import pandas as pdimport numpy as npimport matplotlib.pyplot as pltimport matplotlib.ticker as mtickimport matplotlib.ticker as ticker#设置输出结果对齐方式pd.set_option('display.unicode.ambiguous_as_wide',True)pd.set_option('display.unicode.east_asian_width',True)# 解决plt中文显示问题plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falseimport warningswarnings.filterwarnings("ignore") 数据 1234data_me ...
Python——写入excel
123456789import pandas as pdimport xlwings as xwapp = xw.App(add_book=False)wb = app.books.open(name+'\\Rshimmer\\制价\\规范\\表\\1-沪天.xlsx')sht = wb.sheets.activesht.range('A40').options(index=True).value = dfwb.save(name+'\\Rshimmer\\制价\\规范\\表\\1-沪天.xlsx')app.quit()
Python——word文档
安装库 1pip install python-docx Python自动化办公之Word，全网最全看这一篇就够了 - 知乎 (zhihu.com) 使用说明 **Python-Docx的官网提供了使用文档：**该文档说明了如何使用Python-Docx的所有功能，并包含完整的API参考。在下载中包含的示例中也很好地展示了Python-Docx的功能。 例1 1234567891011121314151617181920212223242526272829303132333435363738394041424344# 1、导入python-docx库from docx import Documentfrom docx.shared import Inchesdocument = Document()document.add_heading('Document Title', 0)# 2、新建wrod文档、一级、二级、三级标题、自然段p = document.add_paragraph('A plain paragraph having some ...
添加表格
12345678910111213141516171819202122232425262728import matplotlib.pyplot as plt# 解决plt中文显示问题plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falsex = ('A', 'B', 'C', 'D', 'E')y = [1, 2, 3, 4, 5]y2 = [2, 4, 6, 8, 10]plt.bar(x, y)plt.xticks([]) # 去x坐标刻度plt.title('结果')# 表格columns = xrows = ['美', '丽']d = np.array([ y, y2])table = plt.table(cellText=d, ...
Python——设置索引
set_index( ) 1DataFrame.set_index(keys, drop=True, append=False, inplace=False, verify_integrity=False) keys：列标签或列标签/数组列表，需要设置为索引的列； drop：默认为True，删除用作新索引的列； append：是否将列附加到现有索引，默认为False； inplace：输入布尔值，表示当前操作是否对原数据生效，默认为False； verify_integrity：检查新索引的副本。否则，请将检查推迟到必要时进行。将其设置为false将提高该方法的性能，默认为false。 12345678910111213141516import pandas as pdimport numpy as npimport pandas as pdpd.set_option('display.unicode.ambiguous_as_wide',True)pd.set_option('display.unicode.east_asian_width' ...
Python——数字格式
百分比格式 1%.1f%% #保留1位小数 12345678910111213141516171819import pandas as pdimport numpy as nppd.set_option('display.unicode.ambiguous_as_wide',True)pd.set_option('display.unicode.east_asian_width',True)df = pd.DataFrame({ "name":["小明","小红","小侯","小周","小孙"], "sex":["男","女","女","男","男"], "money":[10000,8009,78000,76000,187000], &qu ...
Python——自定义排序
12345678910import pandas as pdimport numpy as np# 创建待排序dataframename = ['Tom', 'John', 'Lillian']grade = [97,83,89]df_grade = pd.DataFrame(name,columns=['name'])df_grade['grade'] = pd.DataFrame(grade)# 指定排列顺序 e.g.按姓名排序sort_list = ['Lillian', 'Tom', 'John']df_grade 123df_grade.index = df_grade['name']sort_df_grade = df_grade.loc[sort_list]sort_df_grade 1234sort_list = ['a','b','c&# ...
Python——数据分组
pd.cut()参数介绍 1pd.cut( x, bins, right=True, labels=None, retbins=False, precision=3, include_lowest=False, duplicates='raise', ) x： 一维数组（对应前边例子中提到的销售业绩） bins ：整数，标量序列或者间隔索引，是进行分组的依据， 如果填入整数n，则表示将x中的数值分成等宽的n份（即每一组内的最大值与最小值之差约相等）； 如果是标量序列，序列中的数值表示用来分档的分界值 如果是间隔索引，“ bins”的间隔索引必须不重叠 right ：布尔值，默认为True表示包含最右侧的数值 当“ right = True”（默认值）时，则“ bins”=[1、2、3、4]表示（1,2]，（2,3],（3,4] 当bins是一个间隔索引时，该参数被忽略。 labels: 数组或布尔值，可选.指定分箱的标签 如果是数组，长度要与分箱个数一致，比如“ bins”=[1、2、3、4]表示（1,2]，（2,3],（3,4]一共3个区间，则labe ...
Python——对齐方式、忽略警告
对齐方式 123#设置输出结果对齐方式pd.set_option('display.unicode.ambiguous_as_wide',True)pd.set_option('display.unicode.east_asian_width',True) 忽略警告 12import warningswarnings.filterwarnings("ignore")
