信息可视化 python 数据可视化 【plt.pie绘制饼图】：从入门到精通，只需一篇文章！【Matplotlib可视化】

【plt.pie绘制饼图】：从入门到精通，只需一篇文章！【Matplotlib可视化】！

利用Matplotlib进行数据可视化示例

文章目录

 一、饼图初探：基本概念与用途 二、深化理解：饼图的定制与优化 三、交互式体验：动态饼图制作 四、参考文档 五、结尾

 一、饼图初探：基本概念与用途

  饼图，作为一种常见的数据可视化工具，能够直观地展示数据的分布和比例。在Python的数据可视化库Matplotlib中，plt.pie()函数就是用来绘制饼图的。通过它，我们可以轻松地创建出具有不同颜色、标签和标题的饼图，以展示数据的整体和部分之间的关系。

  首先，让我们通过简单的代码示例来了解一下plt.pie()函数的基本用法。

# 导入matplotlib库的pyplot模块，并简写为plt，该模块提供了类似于MATLAB的绘图功能。

import matplotlib.pyplot as plt

# 定义标签列表，用于表示饼图中的各个扇区。

labels = ['A', 'B', 'C', 'D']

# 定义数据列表，用于表示饼图中各个扇区的大小。

sizes = [20, 25, 45, 10]

# 设置全局字体为支持中文的字体'SimHei'，确保在图中能够正确显示中文。

plt.rcParams['font.sans-serif'] = ['SimHei']

# 使用plt.pie()函数绘制饼图。其中:

# sizes参数指定了饼图中各个扇区的大小;

# labels参数指定了各个扇区的标签，

# autopct参数指定了扇区百分比的格式;

# startangle参数指定了饼图的起始角度（这里设置为90度，即从上方开始）;

plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)

# 使用plt.title()函数为饼图添加标题，标题内容为'示例饼图'。

plt.title('示例饼图')

# 使用plt.show()函数显示图形

# 在Jupyter Notebook等环境中，这一步不是必须的，但在普通Python脚本中需要这一步来展示图形。

plt.show()

  以上代码是一个简单的饼图绘制示例，使用了Matplotlib库中的pyplot模块。它首先设置了支持中文的字体，然后定义了标签和数据列表，接着调用plt.pie()函数绘制饼图，并设置了饼图的标题。最后，使用plt.show()函数显示图形：

Fig.1

使用`plt.pie()`函数绘制基本的饼图

 二、深化理解：饼图的定制与优化

在掌握了plt.pie()函数的基本用法后，我们可以进一步定制和优化饼图，使其更加美观和实用。

个性化定制

颜色与样式：通过colors参数，我们可以为饼图指定不同的颜色。同时，shadow和explode参数可以用于添加阴影和突出显示某个扇区。 plt.pie(sizes, labels=labels, colors=['red', 'blue', 'green', 'yellow'], shadow=True, explode=(0, 0.1, 0, 0))

标签与标题：除了之前提到的labels和title参数外，我们还可以使用labeldistance和titledistance参数来调整标签和标题与饼图之间的距离。 plt.pie(sizes, labels=labels, labeldistance=1.1, titledistance=1.2)

饼图大小与位置：通过figsize参数，我们可以设置画布的大小，从而调整饼图的大小。而subplots_adjust参数则可以用于调整饼图在画布中的位置。 plt.figure(figsize=(8, 6))

plt.pie(sizes, labels=labels)

plt.subplots_adjust(left=0.2, right=0.8, top=0.8, bottom=0.2)

高级优化

数据排序：默认情况下，plt.pie()函数会按照数据的大小自动对扇区进行排序。如果我们需要按照特定的顺序显示扇区，可以通过sort参数进行控制。 plt.pie(sizes, labels=labels, sort=False)

数据显示：通过textprops参数，我们可以设置饼图上显示的数据标签的样式，包括字体大小、颜色等。 plt.pie(sizes, labels=labels, textprops={'fontsize': 14, 'color': 'white'})

缺失数据处理：当饼图的数据中存在零值或缺失值时，我们可以通过设置wedgeprops参数来控制这些扇区的显示方式，比如将其设置为透明或添加线条边框。 plt.pie(sizes + [0], labels=labels + ['缺失数据'], wedgeprops={'edgecolor': 'black', 'linewidth': 2})

实战：个性化定制饼图

import matplotlib.pyplot as plt

# 设置全局字体为支持中文的字体

plt.rcParams['font.sans-serif'] = ['SimHei']

def draw_customized_pie_chart(sizes, labels, colors, explode=None, autopct='%1.2f%%', startangle=90, shadow=True):

"""

绘制自定义的饼图。

参数:

sizes (list): 饼图各部分的大小。

labels (list): 饼图各部分的标签。

colors (list): 饼图各部分的颜色。

explode (list, optional): 饼图各部分突出的距离。默认为None。

autopct (str, optional): 显示百分比的格式。默认为'%1.2f%%'。

startangle (float, optional): 饼图的起始角度。默认为90。

shadow (bool, optional): 是否添加阴影。默认为True。

返回:

None

"""

# 创建一个新的图形，并设置其大小

plt.figure(figsize=(8, 6))

# 定义饼图的参数

pie_params = {

'x': sizes,

'labels': labels,

'colors': colors,

'autopct': autopct,

'startangle': startangle,

'shadow': shadow,

'explode': explode,

'labeldistance': 1.1,

'pctdistance': 0.7,

'textprops': {'fontsize': 14, 'color': 'black'},

'wedgeprops': {'edgecolor': 'black', 'linewidth': 1.5}

}

# 绘制饼图

plt.pie(**pie_params)

# 添加标题

plt.title('定制和优化后的饼图', pad=20)

# 调整子图的位置，确保饼图在画布中居中显示

plt.subplots_adjust(left=0.1, right=0.8, top=0.9, bottom=0.1)

# 显示图形

plt.show()

# 示例数据

sizes = [20, 25, 35, 10, 10]

labels = ['A', 'B', 'C', 'D', '缺失数据']

colors = ['red', 'blue', 'green', 'yellow', 'lightgray']

# 调用函数绘制饼图

draw_customized_pie_chart(sizes, labels, colors, explode=(0, 0.1, 0, 0, 0))

  这段代码定义了一个超赞的函数draw_customized_pie_chart，这个函数可以绘制出各种自定义的饼图不！通过传入的参数，你可以轻松定制饼图的尺寸、标签️、颜色、突出显示部分、百分比显示格式、起始角度以及是否添加阴影。函数内部使用了强大的matplotlib.pyplot库来绘制饼图，并且设置了全局字体为支持中文的SimHei字体。

  除了这些，代码还展示了如何使用这个函数来绘制一个包含五个部分（A、B、C、D和缺失数据❌）的饼图。其中，B部分被突出显示，让整个饼图更加生动和引人注目。

  绘制完成后，饼图会在一个8x6英寸的窗口中️显示出来，并且具有一个精美的标题和适当的子图位置调整，以确保饼图在画布中居中显示。这样一来，你的饼图就会更加美观和易读啦！

 效果展示

Fig.2

使用`plt.pie()`函数定制个性化饼图

 三、交互式体验：动态饼图制作

  除了静态的饼图外，我们还可以利用Matplotlib的交互功能，制作可动态变化的饼图。这可以通过结合使用plt.pie()函数和事件处理函数来实现。

  下面是一个简单的示例代码，展示如何制作一个可以通过鼠标点击来切换扇区颜色的动态饼图：

import matplotlib

import matplotlib.pyplot as plt

# 设置matplotlib使用TkAgg作为其后端，TkAgg是一个基于Tkinter的GUI后端

matplotlib.use('TkAgg')

# 设置全局字体为支持中文的字体

plt.rcParams['font.sans-serif'] = ['SimHei']

import matplotlib.colors as mcolors

# 饼图数据

sizes = [20, 25, 35, 10, 10]

labels = ['data1', 'data2', 'data3', 'data4', '缺失数据']

colors = ['red', 'blue', 'green', 'orange', 'lightgray']

# 绘制饼图

fig, ax = plt.subplots()

patches, _, _ = ax.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)

# 设置标题

ax.set_title('交互式的自定义饼图')

# 确保饼图是圆形的

ax.axis('equal')

# 保存每个扇区的原始颜色

original_colors = {patch: patch.get_facecolor() for patch in patches}

# 将颜色名称转换为 RGB 元组的函数

def color_name_to_rgb(color_name):

return mcolors.to_rgb(color_name)

# 黄色的 RGB 值

yellow_rgb = color_name_to_rgb('yellow')

# 创建一个函数来处理鼠标点击事件

def onclick(event):

for patch in patches:

if patch.contains(event)[0]: # 检查点击是否在扇区内

# 获取扇区的当前颜色

current_color = patch.get_facecolor()

# 将当前颜色转换为 RGB 元组

current_rgb = mcolors.to_rgb(current_color)

# 检查当前颜色是否是黄色

if current_rgb == yellow_rgb:

# 如果是黄色，则还原为原始颜色

patch.set_facecolor(original_colors[patch])

else:

# 否则，将颜色设置为黄色

patch.set_facecolor('yellow')

fig.canvas.draw_idle() # 更新图形

break

# 绑定鼠标点击事件到图形

fig.canvas.mpl_connect('button_press_event', onclick)

# 显示图表

plt.show()

  以上代码创造了一个超酷的交互式饼图！ 每个扇区在轻轻一点之间就能变成亮黄色，再次点击又能优雅地恢复原状。 这是怎么实现的呢？原来，代码早已悄悄保存了每个扇区的原始颜色，并在你点击时智慧地检查当前颜色，然后迅速作出切换。✨ 通过巧妙运用Matplotlib库的强大功能和事件处理机制，以上代码可以带来不错的交互体验！

 效果展示

Fig.3

使用`plt.pie()`制作可动态变化的饼图

 四、参考文档

Matplotlib官网Matplotlib初探：认识数据可视化与Matplotlib数据分析利器对决：Matplotlib中的MATLAB风格与面向对象风格，你选谁？Matplotlib plt.colorbar：从入门到精通，只需一篇文章！

 五、结尾

  亲爱的读者，感谢您每一次停留和阅读，这是对我们最大的支持和鼓励！在茫茫网海中，您的关注让我们深感荣幸。您的独到见解和建议，如明灯照亮我们前行的道路。若在阅读中有所收获，一个赞或收藏，对我们意义重大。

  我们承诺，会不断自我挑战，为您呈现更精彩的内容。有任何疑问或建议，欢迎在评论区畅所欲言，我们时刻倾听。让我们携手在知识的海洋中航行，共同成长，共创辉煌！感谢您的厚爱与支持，期待与您共同书写精彩篇章！

  您的点赞、收藏、评论和关注，是我们前行的最大动力！

推荐阅读