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：

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
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
交互式体验：原生支持缩放、拖拽、悬停提示等交互功能
多种输出格式：可输出为 HTML、图片或 Jupyter Notebook 内嵌展示
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：

动态涟漪效果
百分比标签显示
环形图制作
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