Matplotlib炫酷饼图绘制指南：参数详解与实战技巧【第59篇—python：Matplotlib饼图绘制】

Matplotlib炫酷饼图绘制指南：参数详解与实战技巧

引言

Matplotlib是一个强大的Python绘图库，可以用于创建各种类型的图表，包括饼图。在本文中，我们将深入探讨Matplotlib中绘制不同种类炫酷饼图的参数说明和代码实战。我们将介绍自定义饼图、百分比显示、多个子图、圆环饼图以及嵌套饼图的绘制方法。

1. 自定义饼图

Matplotlib允许用户自定义饼图的外观，包括颜色、标签、阴影等。以下是一个简单的例子：

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# 自定义颜色
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99']

# 绘制饼图
plt.pie(sizes, labels=labels, colors=colors, autopct='%1.1f%%', startangle=90)

# 设置圆形
plt.axis('equal')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17

在这个例子中，我们使用autopct参数显示百分比，并使用startangle参数设置起始角度。

2. 百分比显示

通过设置autopct参数，我们可以在饼图中显示每个部分的百分比：

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# 绘制饼图并显示百分比
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)

# 设置圆形
plt.axis('equal')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

3. 多个子图

Matplotlib允许在同一图中创建多个子图。下面的例子展示了如何在一个图中放置两个饼图：

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes1 = [15, 30, 45, 10]
sizes2 = [10, 20, 30, 40]

# 创建子图
fig, axs = plt.subplots(1, 2)

# 绘制第一个饼图
axs[0].pie(sizes1, labels=labels, autopct='%1.1f%%', startangle=90)
axs[0].set_title('Pie Chart 1')

# 绘制第二个饼图
axs[1].pie(sizes2, labels=labels, autopct='%1.1f%%', startangle=90)
axs[1].set_title('Pie Chart 2')

# 设置圆形
for ax in axs:
    ax.axis('equal')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

4. 圆环饼图

要绘制圆环饼图，可以使用wedgeprops参数设置饼图的属性，例如边界颜色和宽度：

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# 绘制圆环饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, wedgeprops=dict(width=0.3))

# 设置圆形
plt.axis('equal')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14

5. 嵌套饼图

通过在饼图中嵌套另一个饼图，可以创建嵌套的效果：

import matplotlib.pyplot as plt

# 数据
labels_outer = ['A', 'B']
sizes_outer = [70, 30]

labels_inner = ['C', 'D']
sizes_inner = [40, 60]

# 绘制外层饼图
plt.pie(sizes_outer, labels=labels_outer, autopct='%1.1f%%', startangle=90)

# 绘制内层饼图
plt.pie(sizes_inner, labels=labels_inner, autopct='%1.1f%%', startangle=90, radius=0.7)

# 设置圆形
plt.axis('equal')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

6. 饼图的其他参数说明

在Matplotlib中，饼图还有一些其他重要的参数，可以用来调整图形的样式和布局。以下是一些常用的参数：

• explode: 通过设置此参数，可以将某一块饼图分离出来，突出显示。例如：

  explode = (0, 0.1, 0, 0)  # 分别对应各块饼图，0.1表示分离程度
  plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, explode=explode)
  1
  2

• shadow: 添加阴影效果，通过设置shadow=True启用阴影：

  plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, shadow=True)
  1

• colors: 设置各部分的颜色，可以是一个颜色列表：

  colors = ['red', 'green', 'blue', 'orange']
  plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, colors=colors)
  1
  2

代码实战：综合运用参数

下面是一个综合运用多个参数的例子，创建一个炫酷的饼图：

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99']

# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, explode=explode, shadow=True, colors=colors)

# 设置圆形
plt.axis('equal')

# 添加标题
plt.title('Cool Pie Chart')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

通过结合不同参数，我们可以创建出吸引人的、炫酷的饼图效果。

7. 导出图形

在创建炫酷饼图之后，您可能希望将图形保存为图像文件，以便在演示文稿、报告或网站中使用。Matplotlib提供了保存图形的功能，您可以使用savefig方法将图形保存为文件。例如，将上述代码修改为保存为PNG图像：

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
explode = (0, 0.1, 0, 0)
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']

# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, explode=explode, shadow=True, colors=colors)

# 设置圆形
plt.axis('equal')

# 添加标题
plt.title('Cool Pie Chart')

# 保存为PNG图像
plt.savefig('cool_pie_chart.png')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

执行上述代码后，会生成一个名为cool_pie_chart.png的PNG图像文件，包含了绘制的炫酷饼图。

8. 交互式显示

在Jupyter Notebook等交互式环境中，Matplotlib的魔法命令 %matplotlib inline 可以让图形直接嵌入到Notebook中，实时显示图形。在Notebook中使用Matplotlib时，通常需要使用以下命令：

%matplotlib inline
import matplotlib.pyplot as plt
1
2

9. 高级定制化

Matplotlib提供了许多高级定制化的选项，以满足用户对图形外观的更细致要求。例如，可以使用plt.rcParams设置全局的默认参数，或者使用plt.text在图形中添加文本标签。

import matplotlib.pyplot as plt

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']

# 自定义参数
plt.rcParams['font.size'] = 16
plt.rcParams['lines.linewidth'] = 2

# 绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90, colors=colors)

# 设置圆形
plt.axis('equal')

# 添加标题
plt.title('Customized Pie Chart')

# 在图形中添加文本标签
plt.text(0.5, -0.1, 'Total: 100%', ha='center', va='center', fontsize=12, color='gray')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25

通过设置font.size、lines.linewidth等参数，您可以更改图形的默认字体大小和线条宽度。此外，使用plt.text可以在图形中的指定位置添加文本标签，使图形更富有信息。

10. 三维饼图

Matplotlib不仅支持二维饼图，还可以绘制三维饼图。要绘制三维饼图，可以使用mplot3d模块。

import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

# 数据
labels = ['A', 'B', 'C', 'D']
sizes = [15, 30, 45, 10]

# 创建3D图形对象
fig = plt.figure()
ax = fig.add_subplot(111, projection='3d')

# 绘制3D饼图
ax.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=90)

# 设置图形属性
ax.set_aspect('auto')

# 添加标题
ax.set_title('3D Pie Chart')

# 显示图形
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22

通过导入Axes3D，可以在Matplotlib中创建一个3D图形对象，进而绘制出引人注目的三维饼图。

总结

在本文中，我们深入探讨了Matplotlib库中绘制不同种类炫酷饼图的参数说明和代码实战。通过学习自定义饼图、百分比显示、多个子图、圆环饼图、嵌套饼图等技术，我们能够更灵活地呈现数据信息，提高数据可视化的效果。

通过代码实例，我们学习了如何使用Matplotlib库创建具有吸引力的饼图，并探讨了各种参数的应用，包括颜色设置、百分比显示、阴影效果、圆环饼图、嵌套饼图等。了解这些参数的用法，可以根据实际需求创建出丰富多样、令人印象深刻的数据可视化图形。

此外，我们还介绍了其他高级定制化选项，例如全局参数设置、文本标签的添加，以及如何保存图形为图像文件。通过这些技巧，用户可以更加灵活地调整图形的样式和布局，满足不同场景下的需求。

Matplotlib作为Python中最受欢迎的绘图库之一，为数据科学家和工程师提供了强大的工具。通过深入理解和熟练运用Matplotlib，我们能够创造出美观、富有信息的数据可视化作品，有效地传达数据背后的故事。

在学习和使用Matplotlib的过程中，不断实践和尝试是提高技能的关键。希望本文提供的知识和实例能够帮助读者更好地应用Matplotlib库，提升数据可视化的水平。