Python可视化数据分析-饼状图

一、前言

饼状图(Pie Chart)是一种常用的数据可视化图表,用于展示数据中各部分的占比关系。Python 中有多种库可以用于绘制饼状图,比较常用的包括 matplotlibpyecharts 和**plotly** 等。

二、使用 matplotlib 绘制饼状图
python 复制代码
import matplotlib.pyplot as plt

# 数据
labels = ['Apples', 'Oranges', 'Bananas', 'Grapes']
sizes = [30, 25, 20, 25]  # 每部分的占比
colors = ['gold', 'orange', 'lightgreen', 'lightcoral']  # 颜色
explode = (0.1, 0, 0, 0)  # 突出显示第一部分

# 绘制饼状图
plt.figure(figsize=(8, 6))
plt.pie(sizes, explode=explode, labels=labels, colors=colors,
        autopct='%1.1f%%', shadow=True, startangle=140)
plt.title('Fruit Distribution')  # 图表标题
plt.axis('equal')  # 使饼状图长宽相等
plt.show()

说明:

1)labels 是各部分的标签。

2)sizes 是各部分的大小(占比)。

3)colors 是各部分的颜色。

4)explode 是用于突出显示某部分的偏移量,0 表示不突出

效果图 :

三、使用 plotly 绘制饼状图
python 复制代码
import plotly.express as px

# 数据
labels = ['Apples', 'Oranges', 'Bananas', 'Grapes']
sizes = [30, 25, 20, 25]  # 每部分的占比

# 创建图表
fig = px.pie(values=sizes, names=labels, title='Fruit Distribution')

# 显示图表
fig.show()

说明:

1)labels 是各部分的标签。

2)sizes 是各部分的大小(占比)。

  1. 使用 plotly.expresspx.pie 函数创建饼状图。

4)fig.show() 方法用于显示图表。

效果图:

四、使用 pyecharts 生成饼状图
python 复制代码
from pyecharts import options as opts
from pyecharts.charts import Pie

# 数据
labels = ['Apples', 'Oranges', 'Bananas', 'Grapes']
sizes = [30, 25, 20, 25]  # 每部分的占比

# 创建饼状图对象
pie_chart = Pie()

# 添加数据和配置
pie_chart.add("", [list(z) for z in zip(labels, sizes)], radius=["30%", "75%"])

# 设置全局配置
pie_chart.set_global_opts(title_opts=opts.TitleOpts(title="Fruit Distribution"))

# 显示图表(生成 HTML 文件)
pie_chart.render("pie_chart.html")

上述代码中使用了 pyecharts 库的 Pie 类来创建饼状图。我们可以通过添加数据和配置来自定义饼状图的样式和布局。最后,调用 render 方法将图表生成为 HTML 文件并显示出来。

效果图:

相关推荐
郝学胜-神的一滴31 分钟前
Python中一切皆对象:深入理解Python的对象模型
开发语言·python·程序人生·个人开发
烤汉堡1 小时前
Python入门到实战:post请求和响应
python·html
夫唯不争,故无尤也1 小时前
Python广播机制:张量的影分身术
开发语言·python
流浪猪头拯救地球2 小时前
利用 Python 解密 / 加密 PDF 文件
python·pdf·php
花开花富贵2 小时前
多语言的爱意告白
python
百锦再3 小时前
第21章 构建命令行工具
android·java·图像处理·python·计算机视觉·rust·django
蒋星熠3 小时前
常见反爬策略与破解反爬方法:爬虫工程师的攻防实战指南
开发语言·人工智能·爬虫·python·网络安全·网络爬虫
飞梦工作室3 小时前
突破 pandas 瓶颈:实时读写 Excel 与超透视汇总函数的双维解决方案
python·excel·pandas
二川bro4 小时前
2025年Python机器学习全栈指南:从基础到AI项目部署
人工智能·python·机器学习
Learn Beyond Limits4 小时前
Correlation vs Cosine vs Euclidean Distance|相关性vs余弦相似度vs欧氏距离
人工智能·python·神经网络·机器学习·ai·数据挖掘