【数据分析之道-Matplotlib(六)】Matplotlib饼图-Toy模板网

这篇具有很好参考价值的文章主要介绍了【数据分析之道-Matplotlib(六)】Matplotlib饼图。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。

【数据分析之道-Matplotlib(六)】Matplotlib饼图

专栏导读

✍ 作者简介：i阿极，CSDN Python领域新星创作者，专注于分享python领域知识。

✍ 本文录入于《数据分析之道》，本专栏针对大学生、初级数据分析工程师精心打造，对python基础知识点逐一击破，不断学习，提升自我。
✍ 订阅后，可以阅读《数据分析之道》中全部文章内容，包含python基础语法、数据结构和文件操作，科学计算，实现文件内容操作，实现数据可视化等等。
✍ 其他专栏：《数据分析案例》，《机器学习案例》

😊😊😊如果觉得文章不错或能帮助到你学习，可以点赞👍收藏📁评论📒+关注哦！👍👍👍

📜📜📜如果有小伙伴需要数据集和学习交流，文章下方有交流学习区！一起学习进步！💪

1、Matplotlib饼图pie()语法格式

pie() 方法语法格式如下：

matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, 
pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1,
 counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, 
 rotatelabels=False, *, normalize=None, data=None)[source]

参数说明：

x：浮点型数组或列表，用于绘制饼图的数据，表示每个扇形的面积。
explode：数组，表示各个扇形之间的间隔，默认值为0。
labels：列表，各个扇形的标签，默认值为 None。
colors：数组，表示各个扇形的颜色，默认值为 None。
autopct：设置饼图内各个扇形百分比显示格式，%d%% 整数百分比，%0.1f 一位小数， %0.1f%% 一位小数百分比， %0.2f%% 两位小数百分比。
labeldistance：标签标记的绘制位置，相对于半径的比例，默认值为 1.1，如 <1则绘制在饼图内侧。
pctdistance：：类似于 labeldistance，指定 autopct 的位置刻度，默认值为 0.6。
shadow：：布尔值 True 或 False，设置饼图的阴影，默认为 False，不设置阴影。
radius：：设置饼图的半径，默认为 1。
startangle：：用于指定饼图的起始角度，默认为从 x 轴正方向逆时针画起，如设定 =90 则从 y 轴正方向画起。
counterclock：布尔值，用于指定是否逆时针绘制扇形，默认为 True，即逆时针绘制，False 为顺时针。
wedgeprops ：字典类型，默认值 None。用于指定扇形的属性，比如边框线颜色、边框线宽度等。例如：wedgeprops={‘linewidth’:5} 设置 wedge 线宽为5。
textprops ：字典类型，用于指定文本标签的属性，比如字体大小、字体颜色等，默认值为 None。
center ：浮点类型的列表，用于指定饼图的中心位置，默认值：(0,0)。
frame ：布尔类型，用于指定是否绘制饼图的边框，默认值：False。如果是 True，绘制带有表的轴框架。
rotatelabels ：布尔类型，用于指定是否旋转文本标签，默认为 False。如果为 True，旋转每个 label 到指定的角度。
data：用于指定数据。如果设置了 data 参数，则可以直接使用数据框中的列作为 x、labels 等参数的值，无需再次传递。

以下实例我们简单实用 pie() 来创建一个饼图:

import matplotlib.pyplot as plt
import numpy as np

y = np.array([35, 25, 25, 15])

plt.pie(y)
plt.show()

【数据分析之道-Matplotlib(六)】Matplotlib饼图

2、设置饼图各个扇形的标签与颜色

在Matplotlib中，你可以使用labels参数设置饼图各个扇形的标签，并使用colors参数设置饼图各个扇形的颜色。

下面是一个示例代码，展示了如何设置饼图的标签和颜色：

import matplotlib.pyplot as plt

# 数据
sizes = [30, 25, 15, 10, 20]
labels = ['A', 'B', 'C', 'D', 'E']
colors = ['red', 'blue', 'green', 'yellow', 'orange']

# 创建饼图
plt.pie(sizes, labels=labels, colors=colors)

# 设置标题
plt.title('Pie Chart')

# 显示图表
plt.show()

【数据分析之道-Matplotlib(六)】Matplotlib饼图

在这个例子中，我们使用labels参数将标签列表传递给plt.pie()函数，用于设置饼图各个扇形的标签。我们还使用colors参数将颜色列表传递给plt.pie()函数，用于设置饼图各个扇形的颜色。

3、突出显示第二个扇形，并格式化输出百分比

要突出显示饼图中的特定扇形，你可以使用explode参数来设置扇形与饼图中心的偏移量。通过将explode参数设置为一个包含与数据列表元素对应的偏移量的列表，可以将特定扇形从饼图中分离出来。

另外，为了格式化输出百分比，你可以使用autopct参数来设置标签的显示格式。使用’%1.1f%%'作为autopct参数的值，可以将百分比格式化为带有一位小数的百分比字符串。

下面是修改后的示例代码，突出显示第二个扇形并格式化输出百分比：

import matplotlib.pyplot as plt

# 数据
sizes = [30, 25, 15, 10, 20]
labels = ['A', 'B', 'C', 'D', 'E']
colors = ['red', 'blue', 'green', 'yellow', 'orange']
explode = [0, 0.1, 0, 0, 0]  # 突出显示第二个扇形

# 创建饼图
plt.pie(sizes, labels=labels, colors=colors, explode=explode, autopct='%1.1f%%')

# 设置标题
plt.title('Pie Chart')

# 显示图表
plt.show()

【数据分析之道-Matplotlib(六)】Matplotlib饼图

在这个例子中，我们通过将explode参数设置为[0, 0.1, 0, 0, 0]，来突出显示第二个扇形。偏移量0.1表示第二个扇形与饼图中心的偏移。
另外，我们使用autopct='%1.1f%%'来设置百分比的显示格式，保留一位小数并添加百分号符号。
运行代码后，你将看到饼图中第二个扇形突出显示，并且扇形上方的标签显示了格式化的百分比。

4、shadows通过将参数设置为：向饼图添加阴影 True

要在饼图中添加阴影效果，你可以使用shadow参数将其设置为True。这将在饼图下方产生一层阴影效果，给图表增加一些立体感。

下面是修改后的示例代码，添加阴影效果到饼图中：

import matplotlib.pyplot as plt

# 数据
sizes = [30, 25, 15, 10, 20]
labels = ['A', 'B', 'C', 'D', 'E']
colors = ['red', 'blue', 'green', 'yellow', 'orange']
explode = [0, 0.1, 0, 0, 0]  # 突出显示第二个扇形

# 创建饼图，并添加阴影
plt.pie(sizes, labels=labels, colors=colors, explode=explode, autopct='%1.1f%%', shadow=True)

# 设置标题
plt.title('Pie Chart')

# 显示图表
plt.show()

【数据分析之道-Matplotlib(六)】Matplotlib饼图

5、使用legend()函数为每个楔形添加解释列表

为饼图中的每个楔形添加解释列表，可以使用Matplotlib中的legend()函数。legend()函数用于创建图例，用于说明图表中不同元素的含义。

下面是一个示例代码，展示了如何为饼图添加解释列表：

import matplotlib.pyplot as plt

# 数据
sizes = [30, 25, 15, 10, 20]
labels = ['A', 'B', 'C', 'D', 'E']
colors = ['red', 'blue', 'green', 'yellow', 'orange']

# 创建饼图
plt.pie(sizes, labels=labels, colors=colors)

# 添加解释列表
plt.legend()

# 设置标题
plt.title('Pie Chart')

# 显示图表
plt.show()

【数据分析之道-Matplotlib(六)】Matplotlib饼图

6、将title参数添加到legend 函数中

若要将标题添加到图例中，可以使用Matplotlib中的title参数来指定标题内容，并将其添加到legend()函数中。

下面是一个示例代码，演示如何将标题添加到图例中：

import matplotlib.pyplot as plt

# 数据
sizes = [30, 25, 15, 10, 20]
labels = ['A', 'B', 'C', 'D', 'E']
colors = ['red', 'blue', 'green', 'yellow', 'orange']

# 创建饼图
plt.pie(sizes, labels=labels, colors=colors)

# 添加解释列表并设置标题
plt.legend(title='Legend Title')

# 设置图表标题
plt.title('Pie Chart')

# 显示图表
plt.show()