如何用Python实现饼图绘制？

本文共计1878个文字，预计阅读时间需要8分钟。

Python 绘制饼图前言思路数据预览与结果预览代码改进思路改进代码代码解读前言饼图是一种常见的可视化方式，用于展示各部分占整体的比例。下面将使用Python绘制饼图，并展示其基本思路和代码实现。

思路

1.导入matplotlib.pyplot库

2.创建数据

3.使用plt.pie()函数绘制饼图

4.设置和标签

5.显示图表

数据预览与结果预览

假设我们要展示一个班级男女比例，数据如下：男：30人女：20人

绘制出的饼图将展示男女比例，其中男生部分为60%，女生部分为40%。

代码pythonimport matplotlib.pyplot as plt

创建数据labels=['男', '女']sizes=[30, 20]

绘制饼图plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)

设置和标签plt.title('班级男女比例')plt.legend()

显示图表plt.show()

改进思路

1.添加图例样式

2.调整颜色

3.添加样式

改进代码

pythonimport matplotlib.pyplot as plt

创建数据labels=['男', '女']sizes=[30, 20]colors=['#ff9999','#66b3ff']

绘制饼图plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140, colors=colors)

设置和标签plt.title('班级男女比例', fontsize=15, color='red')plt.legend(title='性别', loc='upper right', bbox_to_anchor=(1, 1))

显示图表plt.show()

代码解读

1.plt.pie()函数用于绘制饼图，其中sizes参数表示各部分的大小，labels参数表示各部分的标签，autopct参数用于设置百分比格式，startangle参数用于设置起始角度。

2.plt.title()函数用于设置，其中fontsize参数用于设置字体大小，color参数用于设置字体颜色。

3.plt.legend()函数用于添加图例，其中title参数用于设置图例，loc参数用于设置图例位置，bbox_to_anchor参数用于设置图例锚点位置。

python画饼图

• ​​前言​​
• ​​思路​​
• ​​数据预览与结果预览​​
• ​​代码​​
• ​​改进思路​​
• ​​改进代码​​
• ​​代码解读​​

前言

饼图是一种常见的数据可视化方式，因为长得像烧饼，故名曰饼图，英文名pie chart, 常用来表示某一事物内部构成大小及占比，比如一杯鲜奶的水分：87.5%，脂肪：3.5-%，蛋白质：2.8%，乳糖：4.6%，无机盐：0.7%等，这时候用一个像烧饼的东西来刻画鲜奶各部分的含量，如下图

一个事物内部结构也许比较清楚，用excel也很容易画出来，但是多个对象的内部结构要一起展示，这时候excel显得有些吃力，这一篇主要讲多对象饼图的绘画。

思路

python画图主要还是matplotlib模块，在matplotlib中，整个图像为一个Figure对象。在Figure对象像切豆腐一样，切成多个axes对象。每个axes对象都是一个拥有自己坐标系统的绘图区域。画子图就需要plt.subplots()函数，该函数返回一个包含figure和axes对象的元组，其中figure用来标识子图对象，axes标识子图对象的位置。画多个饼图就可以，一个子图位置上画一张饼图，然后拼成饼图矩阵。实际操作中反过来的，首先建立饼图矩阵坑，然后每一个坑用一个饼图去填坑。

数据预览与结果预览

现在有如下数据

共4各对象，每个对象有4类数据,也就是要为每个饼切4刀，现在想要为每个板块画一个饼图来刻画各类产业占比，且标识每个饼图是哪个板块，每个板块里的产业占比和标签。

结果预览如下

代码

import pandas as pd #导入数据分析模块
import matplotlib.pyplot as plt #导入绘图模块
plt.rcParams['font.sans-serif']='SimHei'
data=pd.read_excel("饼图数据.xlsx",index_col='城市') #读取数据
row_sum=data.sum(axis=1) #按行求和
partion_data=data.div(row_sum,axis=0) #计算行百分比
labels_="知识密集型","技术密集型","资源密集型","劳动力密集型" #设置标签
colors_=["aliceblue","antiquewhite","aqua","aquamarine"] #设置饼图配色
fig,ax=plt.subplots(nrows=2, ncols=2) #2x2的图形矩阵
axes = ax.flatten() #子图展平
axes[0].pie(partion_data.iloc[0,:],autopct='%1.1f%%',labels=labels_,colors=colors_, explode=(0, 0, 0, 0.1),shadow=True) #第一个饼图
axes[0].set_title("杭州2018") ##设置第一个子图标题

axes[1].pie(partion_data.iloc[1,:],autopct='%1.1f%%',labels=labels_,colors=colors_, explode=(0.1, 0, 0, 0),shadow=True) #第二个饼图
axes[1].set_title("杭州2019") #设置第二个子图标题

axes[2].pie(partion_data.iloc[2,:],autopct='%1.1f%%',labels=labels_,colors=colors_,explode=(0,0.1,0,0),shadow=True) #第三个饼图
axes[2].set_title("广州2018")

axes[3].pie(partion_data.iloc[2,:],autopct='%1.1f%%',labels=labels_,colors=colors_,explode=(0,0,0.1,0),shadow=True) #第四个子图
axes[3].set_title("广州2019")

plt.savefig("饼图.png",dpi=200) #设置像素保存
plt.show() #显示图片

改进思路

为了画四个饼图，用了四个长长的语句，这显然与代码的简洁性相违背，且上下两行图太紧凑了，使得下行子图标题与上行子图的页标签有重合之势，于是想定义一个画图函数，然后循环对各部分数据进行调用即可，并对子图间间隔进行微调。依循这个思路，改进代码如下

改进代码

import pandas as pd #导入数据分析模块
import matplotlib.pyplot as plt #导入绘图模块
plt.rcParams['font.sans-serif']='SimHei'
data=pd.read_excel("饼图数据.xlsx",index_col='板块') #读取数据
row_sum=data.sum(axis=1) #按行求和
partion_data=data.div(row_sum,axis=0) #计算行百分比
rows,cols=data.shape #数据尺寸
fig,ax=plt.subplots(nrows=2,ncols=2,figsize=(6, 6)) #建立饼图坑
axes=ax.flatten() #将坑位展平
labels_="知识密集型","技术密集型","资源密集型","劳动力密集型" #设置标签
colors_=["aliceblue","antiquewhite","aqua","aquamarine"] #设置饼图配色
for row in range(rows):
axes[row].pie(partion_data.iloc[row,:],autopct='%1.1f%%',labels=labels_,colors=colors_, explode=(0.05, 0, 0, 0),shadow=True) #绘制子饼图
axes[row].set_title(data.index[row]) #设置标题
plt.subplots_adjust(left=None, bottom=None, right=None, top=None,wspace=0.7, hspace=0.3) #调整子图间距
plt.savefig("pie.png",dpi=200) #保存图片

使用subplots_adjust来调整子图的间距，其中的wspace是子图之间的左右间距，hspace是子图的上下间距，

import pandas as pd #导入数据分析模块
import matplotlib.pyplot as plt #导入绘图模块
plt.rcParams['font.sans-serif']='SimHei'
data=pd.read_excel("饼图数据.xlsx",index_col='板块') #读取数据
row_sum=data.sum(axis=1) #按行求和
partion_data=data.div(row_sum,axis=0) #计算行百分比
rows,cols=data.shape #数据尺寸
fig,ax=plt.subplots(nrows=2,ncols=2,figsize=(6, 6)) #建立饼图坑
axes=ax.flatten() #将坑位展平
labels_="知识密集型","技术密集型","资源密集型","劳动力密集型" #设置标签
colors_=["aliceblue","antiquewhite","aqua","aquamarine"] #设置饼图配色
for row in range(rows):
explode=[0, 0, 0, 0] #初始化突出位置
explode[row]=0.05 #新的突出切片
axes[row].pie(partion_data.iloc[row,:],autopct='%1.1f%%',labels=labels_,colors=colors_, explode=explode,shadow=True) #绘制子饼图
axes[row].set_title(data.index[row]) #设置标题
plt.subplots_adjust(left=None, bottom=None, right=None, top=None,wspace=0.5, hspace=0.2) #调整子图间距
plt.savefig("pie.png",dpi=200) #保存图片

运行效果图

代码解读

后面的饼图好看多了，大部分都给出了注释