一、先看整体：平均值会骗人

十五个品类，全年合计 1586 万元，平均每个品类 105.73 万元。 但只有 6 个品类在平均线以上，9 个在下面。 这就是平均值的老毛病：少数大数把线拉高，多数品类看着都「不及格」。

最高文学 252 万，最低体育 22 万，一头一尾差 6.1 倍。 报平均必须先看分布。分布偏得厉害时，中位数比平均值更像个「中间水平」。

二、排序：对比的前提

十五个品类按销售额从高到低排，前十名是文学、少儿、教辅、科技、生活、 艺术、经管、外语、计算机、考试。 第一名文学 252 万，第十名考试 57 万，前十名加起来 1415 万。

不排序就没法对比。「文学卖得好」这句话，只有在「比谁好、好多少」之后才成立。 Pandas 里就一句 sort_values，排完记得 reset_index，否则下标还留着原来的顺序。

三、三种比法，三个数

第二名是冠军的 90.5%，第三名是 81.3%，前三名合起来占全盘的 43.19%。 同一个「第一」，三种比法给三个完全不同的数。 所以报占比必须说清分母：占全盘、占冠军、还是占平均。不说清，读者只能猜。

四、名次之间的差距才是信息

相邻两名一减，差距最大的是第 5 名和第 6 名，差了 32 万元。 差距最小的是第 9 名和第 10 名，只差 11 万元。 同样是「相邻两名」，一个差 32 万，一个差 11 万。

第 5 名和第 6 名之间是一道坎，说明这两个品类不在一个量级上。 第 9 和第 10 几乎并肩，谁上谁下都可能，这种名次不值得当结论。

五、前十之外还有多少

前十名 1415 万，剩下 5 个品类只有 171 万，占一成多。 这 171 万里最小的体育只有 22 万，还不到文学的十分之一。 TOP10 是个习惯，不是一条天然的分界线。

真要决策，得问「砍掉后五名能省多少成本、少多少收入」，光看排名不够。

六、动手 Demo：对比分析：TOP10 怎么排

用 Pandas 把十五个品类排一遍，算占比、比平均、看相邻名次的差距。 数据全部写死在代码里，不依赖外部文件，直接能跑。

import pandas as pd

CAT = ["文学", "少儿", "教辅", "科技", "生活", "艺术", "经管",
       "外语", "计算机", "考试", "医学", "法律", "农业", "体育", "其他"]
VAL = [252, 228, 205, 175, 145, 113, 92, 80, 68, 57, 44, 36, 28, 22, 41]

df = pd.DataFrame({"品类": CAT, "销售额": VAL})
total = df["销售额"].sum()
print("合计 %d 万元，平均 %.2f 万元" % (total, df["销售额"].mean()))
print("高于平均的品类：%d 个" % (df["销售额"] > df["销售额"].mean()).sum())

df = df.sort_values("销售额", ascending=False).reset_index(drop=True)
df.index = df.index + 1
df["占比"] = (df["销售额"] / total * 100).round(2)
print(df.head(10).to_string())

print("冠军占 %.2f%%，前三占 %.2f%%，前十占 %.2f%%"
      % (df["占比"].iloc[0], df["占比"].iloc[:3].sum(),
         df["占比"].iloc[:10].sum()))
print("冠军是平均的 %.2f 倍" % (df["销售额"].iloc[0] / (total / 15)))
print("前十合计 %d 万元，其余 %d 万元"
      % (df["销售额"].iloc[:10].sum(), df["销售额"].iloc[10:].sum()))

实跑输出：

--------------------------------------------------------------------
对比分析：TOP10 怎么排
--------------------------------------------------------------------

  ① 先把表摆出来
  --------------------------------------------------------------------
  十五个品类，2025 全年销售额合计 1586 万元。
  最高 文学 252 万元，最低 其他 41 万元，两者差 6.1 倍。
  十五个品类的平均是 105.73 万元——但多数品类都在平均线以下。
  只有 6 个品类在平均线以上，9 个在下面。
  ! 平均值不等于中间水平。十五个数里 6 个高于均值、9 个低于均值，这很正常。

  ② 排序：对比的前提
  --------------------------------------------------------------------
  按销售额从高到低排，前十名是：

| 名次 | 品类 | 销售额（万元） |
|---|---|---:|
| 1 | 文学 | 252 |
| 2 | 少儿 | 228 |
| 3 | 教辅 | 205 |
| 4 | 科技 | 175 |
| 5 | 生活 | 145 |
| 6 | 艺术 | 113 |
| 7 | 经管 | 92 |
| 8 | 外语 | 80 |
| 9 | 计算机 | 68 |
| 10 | 考试 | 57 |

  排名一变，后面的占比、累计占比才有意义。先排序是整套对比分析的起点。

  ③ 三个对比角度
  --------------------------------------------------------------------
  跟总量比：第一名占全盘的 15.89%，前三名占 43.19%，前十名占 89.22%。
  跟最高比：第二名是冠军的 90.5%，第三名是 81.3%。
  跟平均比：冠军是平均值的 2.38 倍。
  ! 同一个第一，三种比法给三个数。报「占比」必须说清跟谁比、分母是什么。

  ④ 前十名里最该注意的是谁
  --------------------------------------------------------------------
  相邻两名之间，差距最大的是第 5 名和第 6 名，差了 32 万元。
  差距最小的是第 9 名和第 10 名，只差 11 万元。
  前 10 名加起来是 1415 万元，剩下的 5 个品类只有 171 万元。
  ! 名次只是顺序，差距才是信息。第 1 和第 2 差 24 万，第 9 和第 10 只差 11 万。

df.index = df.index + 1 是把名次从 0 起改成 1 起。 排完序一定要 reset_index，否则下标还是原顺序。 to_string() 是为了在终端里对齐打印。交给 Notebook 或表格软件时不用它。 占比那一列是算出来的，不是手打的。任何一个数改了，占比跟着变，这才是表该有的样子。

30 秒实验

1. 把「其他」并入「文学」，再排一次，看前十名和占比有什么变化。
2. 把占比改成「占冠军的百分比」，看榜首是不是变成 100%。
3. 想一想：如果要砍掉后五个品类，只看销售额够不够？还缺什么信息？

常见误区

1. 拿平均值当中间水平：十五个数里九个在均值以下，这很正常。
2. 不排序就直接比：十五个数字横着看，谁也看不出谁高谁低。
3. 报占比不说分母：占全盘 15.89% 和占冠军 100% 是两件事。
4. 把排名当结论：第 9 和第 10 只差 11 万，这种名次不该拿去做决定。

横向比完了，纵向怎么比？下一篇：同比、定比、环比，三个词三种分母。

• ☐ （本篇完，下一篇 7.2 同比、定比与环比）

相关笔记

• 同比、定比与环比
• 贡献度分析：帕累托法则
• 索引设置与排序排名
• 📊 Python 数据分析 · 索引