python-matplotlib库绘制饼形图专题(从一般饼状图到内嵌环形图)

简介: python-matplotlib库绘制饼形图专题(从一般饼状图到内嵌环形图)

文章目录

1.plt.pie()

2. 饼图基本

3. 饼状图进阶

4. 环形图

5. 内嵌环形图

1.plt.pie()

饼图 常常用来显示 整体中各部分所占的比例,在python-matplotlib库中通过plt.pie()方法来实现。

其主要参数如下:

x --------每一块饼图的比例组成的序列。可以是一个列表。如果其中元素的值加起来大于一,则会通过

归一化处理后的结果。


explode -------- 指每一块饼距离圆心的距离。默认为0。如果大于0,则饼即会分裂出来,即“分裂饼形图”效果。


labels -------- 标签,即每一块饼图外侧显示的说明文字


autopct -------- 设置饼图百分比的格式。即字符串的格式,可以使用格式化字符串表达式或者format()函数的表达式。 不设定这个参数则不会显示百分比的字符串。


pctdistance --------指百分比的位置刻度,默认为0.6。


shadow --------布尔类型,饼图是否带阴影(立体感)。默认False不带。


labeldistance --------标记的绘制的位置,占半径长度的比例。默认为1.1,如果大于1则显示在饼的内侧。


startangle --------起始绘制角度,默认从x轴正方向逆时针画起。例如,设置为90则从y轴正方向画起。


radius -------- 饼图的半径,默认为1。


counterclock -------- 指针方向。布尔类型。默认为True,表示逆时针。如果为False则表示顺时针。


wedgeprops -------- wedge对象的属性(wedge翻译过来即三角木,楔子,即表示饼图中的每一块儿),可选参数,字典类型,默认为None。这个字典将会传递给wedge对象。如wedgeprops={‘linewidth’:2}表示wedge的线条宽度为2。


textprops -------- text标签文本的属性。也是一个字典类型,可选。默认为None。

center -------- 饼图的原点。


frame -------- 是否显示轴框架,布尔类型,默认不显示,False。如果为True则会显示轴框架。可以与grid()配合使用。通常不使用该参数,因为轴框架会干扰图像效果。


rotatelabels -------- 可选,旋转标签到指定角度。(“指定”的含义是,以该位置连接圆心的半径为水平基准。)

2. 饼图基本

绘制一张简单的饼图,图像上的百分数显示出一位小数。标签为[‘A类’, ‘B类’, ‘C类’, ‘D类’]。

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] ='#cc00ff'
x = [10, 20, 35, 25]
plt.pie(x, autopct='%1.1f%%', labels=['A类', 'B类', 'C类', 'D类'])
plt.title("产品数量占比")
plt.show()

图像效果呈现如下:

1.png

3. 饼状图进阶

设置背景颜色为’#00E5EE’,

百分数显示一位小数,

四块的颜色依次为[‘red’, ‘green’, ‘purple’, ‘yellow’]

B类 在饼图中 向外分裂0.2个单位  explode=[0, 0.2, 0, 0],

从y轴正方向开始绘图  startangle=90,

饼图半径设为1.1  radius=1.1,

标签文本字体的大小为20,颜色为 ‘#8B1A1A’    textprops={‘fontsize’: 20, ‘color’: ‘#8B1A1A’}

显示阴影效果,

标签在半径0.6单位处    pctdistance=0.6,

每个标签都选择一定的角度   rotatelabels=True


代码如下:

import matplotlib.pyplot as plt
fig = plt.figure(1, facecolor='#00E5EE', figsize=(10, 8))
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] = '#cc00ff'
x = [10, 20, 35, 25]
plt.pie(x,
        labels=['A类', 'B类', 'C类', 'D类'],
        autopct='%1.1f%%',
        colors=['red', 'green', 'purple', 'yellow'],
        explode=[0, 0.2, 0, 0],
        startangle=90,
        radius=1.1,
        textprops={'fontsize': 20, 'color': '#8B1A1A'},
        shadow=True,
        pctdistance=0.6,
        rotatelabels=True
        )
# 设置标题文本、y坐标(即竖直方向上的位置),字体大小、颜色
plt.title("产品数量占比", y=1.05, fontsize=25, color='#cc00ff')
plt.show()

1.png

4. 环形图

绘制环形图仍然使用plt.pie()方法,

只需要设置其中的wedgeprops参数的属性。


代码示例如下

在上例代码的基础上,取消分裂,

添加 wedgeprops={‘width’: 0.4, ‘edgecolor’: ‘k’}。

然后把百分数的位置pctdistance设置为0.8。

import matplotlib.pyplot as plt
fig = plt.figure(1, facecolor='#00E5EE', figsize=(10, 8))
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] = '#cc00ff'
x = [10, 20, 35, 25]
plt.pie(x,
        labels=['A类', 'B类', 'C类', 'D类'],
        autopct='%1.1f%%',
        colors=['red', 'green', 'purple', 'yellow'],
        startangle=90,
        radius=1.1,
        textprops={'fontsize': 20, 'color': '#8B1A1A'},
        shadow=True,
        pctdistance=0.8,
        rotatelabels=True,
        wedgeprops={'width': 0.4, 'edgecolor': 'k'}
        )
plt.title("产品数量占比", y=1.05, fontsize=25, color='#cc00ff')
plt.show()

代码执行效果如下:

1.png

5. 内嵌环形图

内嵌环形图,以内嵌一次为例。即两个圆环,需要调用两次plt.pie()方法。


通过wedgeprops参数设置不同的环形边界,通过radius设置不同的半径。

全局字体为SimHei(黑体)。标题部分的局部字体使用“华文琥珀”(将系统的字体文件STHUPO.TTF复制到当前目录下)。

import matplotlib.pyplot as plt
from matplotlib import font_manager
fig = plt.figure(1, facecolor='#ffffcc', figsize=(6, 6))
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
plt.rcParams['axes.facecolor'] = '#cc00ff'
x1 = [10, 20, 35, 25]
x2 = [8, 32, 20, 40]
plt.pie(x1,
        autopct='%1.1f%%',
        colors=['red', 'green', 'blue', 'yellow'],
        startangle=90,
        radius=1,
        textprops={'fontsize': 16, 'color': 'purple'},
        pctdistance=0.85,
        rotatelabels=True,
        wedgeprops={'linewidth': 2, 'width': 0.3, 'edgecolor': 'k'}
        )
plt.pie(x2,
        autopct='%1.1f%%',
        colors=['red', 'green', 'blue', 'yellow'],
        startangle=90,
        radius=0.7,
        textprops={'fontsize': 16, 'color': 'purple'},
        pctdistance=0.6,
        rotatelabels=True,
        wedgeprops={'linewidth': 2, 'width': 0.4, 'edgecolor': 'k'}
        )
plt.title("产品数量占比", fontsize=25, color='purple', fontproperties=font_manager.FontProperties(fname='STHUPO.TTF'))
plt.legend(['A类', 'B类', 'C类', 'D类'], bbox_to_anchor=(0.9, 0.2))
plt.show()

程序执行效果如下:

1.png

目录
相关文章
|
12天前
|
调度 开发者 Python
Python中的异步编程:理解asyncio库
在Python的世界里,异步编程是一种高效处理I/O密集型任务的方法。本文将深入探讨Python的asyncio库,它是实现异步编程的核心。我们将从asyncio的基本概念出发,逐步解析事件循环、协程、任务和期货的概念,并通过实例展示如何使用asyncio来编写异步代码。不同于传统的同步编程,异步编程能够让程序在等待I/O操作完成时释放资源去处理其他任务,从而提高程序的整体效率和响应速度。
|
15天前
|
数据采集 存储 数据挖掘
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第27天】在数据分析领域,Python的Pandas库因其强大的数据处理能力而备受青睐。本文介绍了Pandas在数据导入、清洗、转换、聚合、时间序列分析和数据合并等方面的高效技巧,帮助数据分析师快速处理复杂数据集,提高工作效率。
43 0
|
8天前
|
数据库 Python
异步编程不再难!Python asyncio库实战,让你的代码流畅如丝!
在编程中,随着应用复杂度的提升,对并发和异步处理的需求日益增长。Python的asyncio库通过async和await关键字,简化了异步编程,使其变得流畅高效。本文将通过实战示例,介绍异步编程的基本概念、如何使用asyncio编写异步代码以及处理多个异步任务的方法,帮助你掌握异步编程技巧,提高代码性能。
26 4
|
8天前
|
API 数据处理 Python
探秘Python并发新世界:asyncio库,让你的代码并发更优雅!
在Python编程中,随着网络应用和数据处理需求的增长,并发编程变得愈发重要。asyncio库作为Python 3.4及以上版本的标准库,以其简洁的API和强大的异步编程能力,成为提升性能和优化资源利用的关键工具。本文介绍了asyncio的基本概念、异步函数的定义与使用、并发控制和资源管理等核心功能,通过具体示例展示了如何高效地编写并发代码。
19 2
|
13天前
|
数据采集 JSON 测试技术
Python爬虫神器requests库的使用
在现代编程中,网络请求是必不可少的部分。本文详细介绍 Python 的 requests 库,一个功能强大且易用的 HTTP 请求库。内容涵盖安装、基本功能(如发送 GET 和 POST 请求、设置请求头、处理响应)、高级功能(如会话管理和文件上传)以及实际应用场景。通过本文,你将全面掌握 requests 库的使用方法。🚀🌟
36 7
|
30天前
|
网络协议 数据库连接 Python
python知识点100篇系列(17)-替换requests的python库httpx
【10月更文挑战第4天】Requests 是基于 Python 开发的 HTTP 库,使用简单,功能强大。然而,随着 Python 3.6 的发布,出现了 Requests 的替代品 —— httpx。httpx 继承了 Requests 的所有特性,并增加了对异步请求的支持,支持 HTTP/1.1 和 HTTP/2,能够发送同步和异步请求,适用于 WSGI 和 ASGI 应用。安装使用 httpx 需要 Python 3.6 及以上版本,异步请求则需要 Python 3.8 及以上。httpx 提供了 Client 和 AsyncClient,分别用于优化同步和异步请求的性能。
python知识点100篇系列(17)-替换requests的python库httpx
|
14天前
|
机器学习/深度学习 数据采集 算法
Python机器学习:Scikit-learn库的高效使用技巧
【10月更文挑战第28天】Scikit-learn 是 Python 中最受欢迎的机器学习库之一,以其简洁的 API、丰富的算法和良好的文档支持而受到开发者喜爱。本文介绍了 Scikit-learn 的高效使用技巧,包括数据预处理(如使用 Pipeline 和 ColumnTransformer)、模型选择与评估(如交叉验证和 GridSearchCV)以及模型持久化(如使用 joblib)。通过这些技巧,你可以在机器学习项目中事半功倍。
21 3
|
17天前
|
数据采集 数据可视化 数据处理
如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`)
本文介绍了如何使用Python实现一个交易策略。主要步骤包括:导入所需库(如`pandas`、`numpy`、`matplotlib`),加载历史数据,计算均线和其他技术指标,实现交易逻辑,记录和可视化交易结果。示例代码展示了如何根据均线交叉和价格条件进行开仓、止损和止盈操作。实际应用时需注意数据质量、交易成本和风险管理。
37 5
|
16天前
|
存储 数据挖掘 数据处理
Python数据分析:Pandas库的高效数据处理技巧
【10月更文挑战第26天】Python 是数据分析领域的热门语言,Pandas 库以其高效的数据处理功能成为数据科学家的利器。本文介绍 Pandas 在数据读取、筛选、分组、转换和合并等方面的高效技巧,并通过示例代码展示其实际应用。
30 2
|
25天前
|
数据可视化 数据挖掘 Python
Seaborn 库创建吸引人的统计图表
【10月更文挑战第11天】本文介绍了如何使用 Seaborn 库创建多种统计图表,包括散点图、箱线图、直方图、线性回归图、热力图等。通过具体示例和代码,展示了 Seaborn 在数据可视化中的强大功能和灵活性,帮助读者更好地理解和应用这一工具。
36 3