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

本文主要是介绍【plt.pie绘制饼图】：从入门到精通，只需一篇文章！【Matplotlib可视化】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

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

在这里插入图片描述

利用Matplotlib进行数据可视化示例

在这里插入图片描述

🌵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：

在这里插入图片描述

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🥧！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

在这里插入图片描述

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
在这里插入图片描述