使用 Pyecharts 绘制精美饼状图:从基础到高级技巧

一、Pyecharts 简介

Pyecharts 是一个基于 ECharts 的 Python 数据可视化库,它能够帮助用户轻松创建各种交互式图表。作为 ECharts 的 Python 接口,Pyecharts 继承了 ECharts 强大的可视化能力,同时提供了 Python 友好的 API 设计,使得数据科学家和分析师能够快速构建专业级的数据可视化作品。

Pyecharts 的核心优势在于:

  1. 丰富的图表类型:支持超过 30 种常见图表类型,包括折线图、柱状图、饼图、散点图、地图等

  2. 高度可定制化:几乎每个图表元素都可以自定义,从颜色、字体到交互行为

  3. 交互式体验:原生支持缩放、拖拽、悬停提示等交互功能

  4. 多种输出格式:可输出为 HTML、图片或 Jupyter Notebook 内嵌展示

  5. 简洁的 API:采用链式调用设计,代码直观易读

饼状图是数据可视化中展示比例关系的经典图表。本文将基于 Pyecharts 展示多种饼状图的绘制方法,包括基础饼图、南丁格尔玫瑰图等高级形式,并提供完整的代码示例和效果展示。

基础饼状图

展示高中同学职业分布的比例关系:

python 复制代码
from pyecharts import options as opts
from pyecharts.charts import Pie

categories = ['程序员','教师','医生','护士','警察','老板','律师','翻译','运动员']
values = [18, 5, 3, 4, 8, 2, 2, 5, 1]

pie = (
    Pie()
    .add('高中同学职业占比', list(zip(categories, values)))
    .set_global_opts(title_opts=opts.TitleOpts(title="职业分布"))
    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))
)
pie.render_notebook()

效果特点

  • 清晰展示各职业占比

  • 悬浮显示具体数值

  • 交互式图例开关


调整图例位置

当图例项较多时,优化图例位置可提升可读性:

python 复制代码
pie = (
    Pie()
    .add('职业占比', list(zip(categories, values)))
    .set_global_opts(
        title_opts=opts.TitleOpts(title="优化图例位置"),
        legend_opts=opts.LegendOpts(pos_left="25%")  # 图例左移
    )
)

关键参数

  • pos_left/pos_right:控制水平位置

  • pos_top/pos_bottom:控制垂直位置

  • orient:图例方向(horizontal/vertical)

自定义颜色方案

为不同职业分配特定颜色:

python 复制代码
custom_colors = ["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", 
                "#9467bd", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22"]

pie = (
    Pie()
    .add('职业占比', list(zip(categories, values)))
    .set_colors(custom_colors)  # 应用自定义颜色
)

南丁格尔玫瑰图

用半径长度反映数值大小的玫瑰图:

python 复制代码
pie = (
    Pie()
    .add(
        series_name='职业占比',
        data_pair=list(zip(categories, values)),
        rosetype="radius",  # 半径模式
        radius="85%",       # 图表大小
        label_opts=opts.LabelOpts(is_show=False)
    )
    .set_global_opts(legend_opts=opts.LegendOpts(is_show=False))
)

玫瑰图模式说明

  • radius:半径反映数值大小

  • area:所有扇形角度相同,仅半径不同


滚动图例

当分类过多时使用滚动图例:

python 复制代码
pie = (
    Pie()
    .add('职业占比', list(zip(categories, values)))
    .set_global_opts(
        legend_opts=opts.LegendOpts(
            type_="scroll",      # 滚动模式
            pos_left="80%",      # 右侧放置
            orient="vertical"    # 垂直方向
        )
    )
)

双玫瑰图对比

在同一画布展示两种玫瑰图类型:

python 复制代码
pie = (
    Pie()
    .add("", list(zip(categories, values)), 
         radius=["30%", "75%"], 
         center=["25%", "50%"],  # 左侧图表
         rosetype="radius")      # 半径模式
    .add("", list(zip(categories, values)), 
         radius=["30%", "75%"], 
         center=["75%", "50%"],  # 右侧图表
         rosetype="area")        # 面积模式
)

对比效果

  • 左图:半径+角度双重编码

  • 右图:仅半径编码数据


完整代码示例

所有示例已集成在 Jupyter Notebook 中,包含以下高级功能:

  1. 动态涟漪效果

  2. 百分比标签显示

  3. 环形图制作

  4. 多层饼图实现

通过 Pyecharts 的强大功能,我们可以轻松创建具有专业水准的数据可视化图表,有效展示各类别间的比例关系。


三、给读者的学习建议

1. 学习路径规划

对于 Pyecharts 的学习,建议按照以下路径循序渐进:

初级阶段(1-2周)

  • 掌握基础图表(柱状图、折线图、饼图)的绘制

  • 了解全局配置项和系列配置项的区别

  • 熟悉常见样式设置(颜色、标题、图例等)

中级阶段(2-4周)

  • 学习组合图表(如折线+柱状图)的绘制

  • 掌握地图和地理坐标系的用法

  • 了解数据预处理与 Pyecharts 的结合

高级阶段(1个月以上)

  • 研究自定义主题和扩展组件

  • 学习与 Web 框架(如 Flask、Django)的集成

  • 探索大数据量下的性能优化

相关推荐
love530love1 小时前
【保姆级教程】阿里 Wan2.1-T2V-14B 模型本地部署全流程:从环境配置到视频生成(附避坑指南)
人工智能·windows·python·开源·大模型·github·音视频
He1955012 小时前
Go初级之十:错误处理与程序健壮性
开发语言·python·golang
和鲸社区3 小时前
《斯坦福CS336》作业1开源,从0手搓大模型|代码复现+免环境配置
人工智能·python·深度学习·计算机视觉·语言模型·自然语言处理·nlp
豌豆花下猫3 小时前
Python 潮流周刊#118:Python 异步为何不够流行?(摘要)
后端·python·ai
THMAIL3 小时前
深度学习从入门到精通 - LSTM与GRU深度剖析:破解长序列记忆遗忘困境
人工智能·python·深度学习·算法·机器学习·逻辑回归·lstm
wheeldown4 小时前
【数学建模】数据预处理入门:从理论到动手操作
python·数学建模·matlab·python3.11
多打代码4 小时前
2025.09.05 用队列实现栈 & 有效的括号 & 删除字符串中的所有相邻重复项
python·算法
@CLoudbays_Martin114 小时前
为什么动态视频业务内容不可以被CDN静态缓存?
java·运维·服务器·javascript·网络·python·php
程序猿炎义4 小时前
【NVIDIA AIQ】自定义函数实践
人工智能·python·学习