
基于python數(shù)據(jù)可視化的繪圖系統(tǒng)matplotlib功能非常強(qiáng)大,按照國際慣例,寫在最開始的是對要介紹對象的定義。喏,這是從維基百科搬運(yùn)過來的對餅圖的解釋,請安心受下:
餅圖,或稱餅狀圖,是一個劃分為幾個扇形的圓形統(tǒng)計圖表,用于描述量、頻率或百分比之間的相對關(guān)系。在餅圖中,每個扇區(qū)的弧長(以及圓心角和面積)大小為其所表示的數(shù)量的比例。這些扇區(qū)合在一起剛好是一個完全的圓形。顧名思義,這些扇區(qū)拼成了一個切開的餅形圖案。
當(dāng)然,文字的解釋永遠(yuǎn)沒有一個圖來的直觀:
這也是從維基百科上偷運(yùn)過來的英語為母語的人口分布餅圖。不客氣的講,這個圖畫的相當(dāng)簡陋,只能看出來一個大概的比例,像最后三個基本看不出來差別多有多少,所以我們在繪圖的時候盡量加上數(shù)量標(biāo)簽,這樣一眼就能看得出來差距在哪里了。
畫圖第一步是什么?當(dāng)然是要數(shù)據(jù)啊,所有的圖都是對數(shù)據(jù)的一種展現(xiàn)形式而已!ok,先來看下我們的數(shù)據(jù)長什么樣子:
這是幾個學(xué)校語數(shù)外平均成績數(shù)據(jù)的前五行,整個數(shù)據(jù)源包含21條記錄,也就是有21個學(xué)校的平均成績信息,我們計劃查看其中一個學(xué)校或者幾個學(xué)校的成績餅圖。
先畫一個最簡單的餅圖看看效果:
plt.figure(figsize=(8,8),dpi=80) #新建畫布,由于餅圖是原型的,所以新建畫布為正方形 plt.pie(data2.iloc[0,1:] #選取數(shù)據(jù)源為第一小學(xué)的成績
,labels=['語文','數(shù)學(xué)','英語']) #設(shè)置每一角餅的標(biāo)簽 plt.title('第1小學(xué)各學(xué)科成績占比',fontsize=12); #設(shè)置餅圖的標(biāo)題和標(biāo)題字號
效果圖如下:
是不是和維基百科搬運(yùn)過來的餅圖很相像?還比那個多了個標(biāo)題,嘿嘿…但是前邊說好的要顯示比例標(biāo)簽?zāi)??別急,其實可以設(shè)置的內(nèi)容還有不少,不止是可以設(shè)置比例標(biāo)簽?zāi)兀?
plt.figure(figsize=(8,8),dpi=80) #新建畫布 plt.pie(data2.iloc[0,1:] #選取數(shù)據(jù)源
,labels=['語文','數(shù)學(xué)','英語'] #增加標(biāo)簽
,autopct='%.2f%%' #設(shè)置百分比精度
,shadow=True #顯示陰影,能夠增加立體感
,explode=[0.03,0.03,0.03] #設(shè)置餅圖各個扇區(qū)之間的間隙
,colors=['r','g','b']) #設(shè)置餅圖各個扇區(qū)的顏色 plt.title('第1小學(xué)各學(xué)科成績占比',fontsize=12);
每行代碼的含義都以備注的方式解釋明白了,以上只是常用的參數(shù),當(dāng)然還有一些不常用的參數(shù)并沒有全都一一試驗,給有好奇心的小可愛可以自行探索哈。
接下來查看效果的時間到了:
原諒我比較懶,沒有探索更好看的配色,直接粗暴的用了RGB(逃走)。
一次繪制多個餅圖其實對餅圖沒什么要求,只是需要添加幾個子圖而已!所謂子圖是相對于我們建立的整個畫布而言的,整個畫布相當(dāng)與一張白紙,而子圖就相當(dāng)于是給整張白紙進(jìn)行了分區(qū),每個分區(qū)里邊放上一個完整的圖形:
pic2 = plt.figure(figsize=(8,8),dpi=80) #新建畫布,由于需要在畫布上增加子圖,所以講新建的畫布賦值一個變量名
fig1 = pic2.add_subplot(2,2,1) #第一個子圖(行數(shù),列數(shù),本子圖位置)
plt.pie(data2.iloc[0,1:] #選取數(shù)據(jù)源 第1小學(xué)各學(xué)科成績
,labels=['語文','數(shù)學(xué)','英語']
,autopct='%.2f%%' #設(shè)置百分比精度
,shadow=True #顯示陰影,增加立體感
,explode=[0.02,0.02,0.02]) #設(shè)置餅圖各個扇區(qū)之間的間隙
# ,colors=['r','g','b']) #設(shè)置餅圖各個扇區(qū)的顏色
plt.title('第1小學(xué)各學(xué)科成績占比',fontsize=12)#設(shè)置子圖的名稱
fig2 = pic2.add_subplot(2,2,2) #第二個字圖
plt.pie(data2.iloc[1,1:] #選取數(shù)據(jù)源,第2小學(xué)各學(xué)科成績
,labels=['語文','數(shù)學(xué)','英語']
,autopct='%.2f%%' #設(shè)置百分比精度
,shadow=True #顯示陰影,增加立體感
,explode=[0.02,0.02,0.02]) #設(shè)置餅圖各個扇區(qū)之間的間隙
# ,colors=['r','g','b']) #設(shè)置餅圖各個扇區(qū)的顏色
plt.title('第2小學(xué)各學(xué)科成績占比',fontsize=12)
fig3 = pic2.add_subplot(2,2,3) #第二個字圖
plt.pie(data2.iloc[2,1:] #選取數(shù)據(jù)源,第3小學(xué)各學(xué)科成績
,labels=['語文','數(shù)學(xué)','英語']
,autopct='%.2f%%' #設(shè)置百分比精度
,shadow=True #顯示陰影,增加立體感
,explode=[0.02,0.02,0.02]) #設(shè)置餅圖各個扇區(qū)之間的間隙
# ,colors=['r','g','b']) #設(shè)置餅圖各個扇區(qū)的顏色
plt.title('第3小學(xué)各學(xué)科成績占比',fontsize=12)
fig4 = pic2.add_subplot(2,2,4) #第二個字圖
plt.pie(data2.iloc[3,1:] #選取數(shù)據(jù)源,第4小學(xué)各學(xué)科成績
,labels=['語文','數(shù)學(xué)','英語']
,autopct='%.2f%%' #設(shè)置百分比精度
,shadow=True #顯示陰影,增加立體感
,explode=[0.02,0.02,0.02]) #設(shè)置餅圖各個扇區(qū)之間的間隙
# ,colors=['r','g','b']) #設(shè)置餅圖各個扇區(qū)的顏色
plt.title('第4小學(xué)各學(xué)科成績占比',fontsize=12);
添加子圖需要注意的是在新建畫布的時候,需要給畫布賦值一個變量名,方便添加子圖。另外添加幾個子圖一般是通過子圖的行數(shù)和列數(shù)來確定的,例如上邊代碼中是2行2列,即一共是4個子圖。
效果圖如下:
代碼中對顏色設(shè)定的部分被注釋掉了,所以這里的顏色是默認(rèn)的顏色,美商高的小可愛們可以自行探索顏色的搭配。
matplotlib之餅圖,你學(xué)會了嗎?
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10