数据可视化python,绘制饼图,代码和解析

这篇具有很好参考价值的文章主要介绍了数据可视化python,绘制饼图,代码和解析。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

饼图样式:

使用matplotlib.pyplot.pie绘制

数据可视化python,绘制饼图,代码和解析


代码描述:

import matplotlib.pyplot as plt
import pandas as pd
#定义饼状图的标签,标签是列表
timeData = pd.read_csv(r"doubledec.csv")
#绘制饼图
# plt.pie(timeData[ 'Time'])
#设置饼图的起始位置为startangle=90度,顺序为顺时针
# plt. pie(timeData['Time '], startangle=90, counterclock=False)
#创建画布并设置大小
plt . figure(figsize=(9,9))
#为饼图添加标题
plt. title('某院校食堂每日出售食品饼图',fontdict={'fontsize': 24}, y=1.05)
#为饼图设置标签
plt. rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签设置
labels =['冒菜','麻辣烫','鸡腿饭','牛肉面','汉堡','鸡架拌饭']
# plt.pie(timeData[ 'Time'], Labels=labels, startangle=90, counterclock=False)
plt.pie(timeData['Time'], autopct= '%1.1f%%' ,
textprops={'fontsize':12,'color':'b'}, labels=labels, startangle=180,counterclock=False)
#为饼图设置图例,Loc 表示边框的位置为左下角,frameon=False 表示去掉图例的边框
plt. rcParams['legend.fontsize'] = 10 # 图例大小
plt.legend(loc='lower left')
plt.axis('equal')#将横轴纵轴的坐标值设为等同

plt. show()


代码分析:

(1),该函数的定义如下:

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None)

参数说明:

x:数组。输入的数据用于创建一个饼图。
explode:数组,可选参数,默认为None。 如果不是None,是一个长度与3.x相同长度的数组,用来指定每部分的偏移量。例如:explode[0,0,0.2,0,0],第二个饼块被拖出。
labels:列表,可选参数,默认None。一般为一个与x数组等长的字符串序列作为每个饼块的标记。
colors:数组,可选参数,默认为:None。用来标注每块饼图的matplotlib颜色参数序列。如果为None,将使用当前活动环的颜色。
autopct:默认是None,字符串或函数,可选参数。如果不是None,是一个字符串或函数,用于为饼图自动添加百分比显示,可以采用格式化的方法显示。例如:autopct=%1.1f%%表示百分比保留小数点后一位
pctdistance:浮点数,可选参数,默认值:0.6。设置百分比标签与圆心的距离。如果autopct是None,被忽略。
shadow:布尔值,可选参数,默认值:False。在饼图下面画阴影。
startangle:浮点类型,可选参数,默认:None。如果不是None,则代表饼图的起始角度。为从x轴逆时针或顺时针旋转饼图的开始角度。顺时针还是逆时针取决于参数counterclock的取值。
counterclock:布尔值,可选参数,默认为:None。指定指针方向,指定是否让饼图按逆时针顺序呈现。
labeldistance:浮点数,可选参数,默认值:1.1。用于设置饼图的标签文本与中心点的距离,设置该参数时需要参考饼图的半径radius。
radius:浮点类型,可选参数,默认为:None。饼图的半径,如果半径是None,将被设置成1。
textprops:字典类型,可选参数,默认值为:None。传递给text对象的字典参数,用于设置饼图中文本的属性,如字体大小、颜色等。
wedgeprops:字典类型,可选参数,默认值:None。参数字典传递给wedge对象用来画一个饼图,用来设置饼图内外边界的属性,如边界线的粗细、颜色等。例如:wedgeprops={‘linewidth’:3}设置wedge边线宽为3。
center:浮点类型的列表,可选参数,默认值:(0,0)。设置饼图中心的位置,默认为原点。

csv文件为:

数据可视化python,绘制饼图,代码和解析

Things和Time只是随意的参数,可以随意该写文章来源地址https://www.toymoban.com/news/detail-460845.html

到了这里,关于数据可视化python,绘制饼图,代码和解析的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 【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   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,

    2024年02月20日
    浏览(55)
  • Python 数据可视化:玩转 Matplotlib 的散点图、线形图、饼图和热力图

    我们来探讨其他几种常用的数据可视化图形:散点图、线形图、饼图和热力图。 数据可视化图表是数据分析和演示的重要手段,它有以下优点: 快速理解信息 :通过图表,人们可以迅速捕捉到数据的主要模式和趋势,而不需要详细查看每个数据点。 增强记忆 :人们更容易

    2024年02月11日
    浏览(52)
  • 【Python数据处理篇——DataFrame数据可视化】饼图、散点图、折线图、柱形图、直方图

    欢迎访问我搞事情的【知乎账号】:Coffee 以及我的【B站漫威剪辑账号】:VideosMan 若我的笔记对你有帮助,请用小小的手指,点一个大大的赞哦。 关于DataFrame的相关知识,我还进行了汇总,欢迎点赞收藏!! 【Python学习笔记—保姆版】第四章—关于Pandas、数据准备、数据处

    2024年02月06日
    浏览(70)
  • pyecharts绘制各种数据可视化图表案例(效果+代码)

    1、pyecharts绘制饼图(显示百分比) 2、pyecharts绘制柱状图 3、pyecharts绘制折线图 4、pyecharts绘制柱形折线组合图 5、pyecharts绘制散点图 6、pyecharts绘制玫瑰图 7、pyecharts绘制词云图 8、pyecharts绘制雷达图 9、pyecharts绘制散点图 10、pyecharts绘制嵌套饼图 11、pyecharts绘制中国地图 12、

    2024年02月09日
    浏览(49)
  • [数据分析与可视化] Python绘制数据地图2-GeoPandas地图可视化

    本文主要介绍GeoPandas结合matplotlib实现地图的基础可视化。GeoPandas是一个Python开源项目,旨在提供丰富而简单的地理空间数据处理接口。GeoPandas扩展了Pandas的数据类型,并使用matplotlib进行绘图。GeoPandas官方仓库地址为:GeoPandas。GeoPandas的官方文档地址为:GeoPandas-doc。关于Geo

    2023年04月09日
    浏览(47)
  • Python数据可视化(三)绘制统计图形大全

    以 Python 代码的形式讲解柱状图的绘制原理,这里重点讲解 bar()函数的使用方法。 代码: 运行结果: 为了展示图表里的中文字体,我们选择字体“SimHei”, 通 过 “mpl.rcParams[\\\"font.sans-serif\\\"] =[\\\"SimHei\\\"]”完成字体配置任务。不使用默认的“Unicode minus”模式来处理坐标轴轴线的刻

    2024年02月02日
    浏览(48)
  • 【100天精通Python】Day70:Python可视化_绘制不同类型的雷达图,示例+代码

    目录 1. 基本雷达图 2. 多组数据的雷达图  3 交互式雷达地图 4 动态雷达图         雷达图(Radar Chart),也被称为蜘蛛图(Spider Chart

    2024年02月06日
    浏览(53)
  • 数据可视化——用python绘制简单的折线图

    前面我们已经学习了python的基础语法和面向对象,那么接下来我们将学习python编程语言的过人之处——数据的可视化之折线图。 说到数据可视化,我们需要先知道什么是JSON。 json是一种轻量级的数据交互格式,可以按照json指定的格式去组织和封装数据 json本质上是一个带有特

    2024年02月17日
    浏览(42)
  • 【100天精通Python】Day67:Python可视化_Matplotlib 绘制动画,2D、3D 动画 示例+代码

            Matplotlib是一个Python绘图库,它提供了丰富的绘图功能,包括绘制动画。要绘制动画,Matplotlib提供了 FuncAnimation 类,允许您创建基于函数的动画。下面是一个详细的Matplotlib动画示例,演示了如何创建一个简单的动画。

    2024年02月07日
    浏览(47)
  • [数据分析与可视化] 基于Python绘制简单动图

    动画是一种高效的可视化工具,能够提升用户的吸引力和视觉体验,有助于以富有意义的方式呈现数据可视化。本文的主要介绍在Python中两种简单制作动图的方法。其中一种方法是使用matplotlib的Animations模块绘制动图,另一种方法是基于Pillow生成GIF动图。 Matplotlib的Animations模

    2024年02月03日
    浏览(42)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包