P2L-Matplotlib饼图完全指南-从数据可视化到图表定制的Python绘图利器
本文档基于 Matplotlib 从零实现饼图的绘制，涵盖环境准备、pie() 函数核心参数详解、完整代码实现及逐行解析、运行结果展示等内容。通过一个电商公司销售渠道占比的实际案例，帮助读者深入理解饼图的绘制方法和参数配置技巧 🥧
This document implements pie chart drawing from scratch using Matplotlib, covering environment setup, detailed parameter explanation of the pie() function, complete code implementation with line-by-line analysis, and result visualization. Through a real-world e-commerce sales channel case study, it helps readers deeply understand pie chart drawing techniques and parameter configuration 🥧
术语表 / Terminology
| 术语 / Term | 说明 / Description |
|---|---|
| Pie Chart（饼图） | 用于展示各类别在总体中所占比例的圆形统计图，每个扇形（Wedge）代表一个类别 |
| Wedge（扇形） | 饼图中的每一个扇形区域，代表一个数据类别及其在整体中的占比 |
| explode（突出） | 将某个扇形从饼图中心向外偏移的效果，用于强调特定数据 |
| autopct（自动百分比） | 在扇形上自动显示百分比数值的参数，支持格式化字符串 |
| startangle（起始角度） | 饼图第一个扇形开始绘制的角度位置，默认从 x 轴正方向（3 点钟方向）开始 |
| labeldistance（标签距离） | 类别标签与饼图中心的相对距离，以半径为基准的比值 |
| pctdistance（百分比距离） | 百分比文本与饼图中心的相对距离，以半径为基准的比值 |
章节阅读路线图 🗺️ / Chapter Reading Roadmap
- 环境准备 🧰 / Environment Setup → 确认 Matplotlib 安装并导入必要库
- 饼图基础概念 🥧 / Basic Concepts of Pie Chart → 了解饼图的定义、适用场景和核心要素
- 核心参数详解 🔧 / Core Parameters Explained → 深入理解
pie()函数的关键参数及其作用 - 完整代码实现 💻 / Complete Code Implementation → 电商渠道占比案例的完整代码
- 代码逐行解析 🔍 / Line-by-Line Code Analysis → 详细拆解每一步的计算和数据流向
- 运行结果展示 📊 / Result Visualization → 展示生成的饼图效果
- 总结 📝 / Summary → 回顾核心要点和参数配置技巧
1. 环境准备 🧰 / Environment Setup
📦 Note: 本章确认 Matplotlib 安装并导入必要库 / This chapter confirms Matplotlib installation and imports required libraries.
🔧 在开始绘图之前，请确保你的环境中已经安装了 Matplotlib。如果还没有安装，可以通过以下命令快速安装：
bash
pip install matplotlib📚 绘制饼图通常只需要导入 Matplotlib 的 pyplot 模块，同时为了处理中文显示问题，还需要进行字体配置：
python
import matplotlib.pyplot as plt # 导入 pyplot 模块，提供类似 MATLAB 的绘图接口 🔥
import numpy as np # 导入 NumPy 库，用于数值计算和数组操作 🔢
# 设置 Matplotlib 支持中文显示 🇨🇳
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans'] # 设置中文字体为黑体，英文字体为 DejaVu Sans
plt.rcParams['axes.unicode_minus'] = False # 解决坐标轴负号显示为方块的问题 ✅- matplotlib.pyplot 🔥：Matplotlib 的核心模块，提供类似 MATLAB 的绘图接口
- numpy 🔢：数值计算库，用于处理数据数组
- rcParams ⚙️：Matplotlib 的运行时配置参数字典，用于全局设置字体、样式等
💡 如果你的系统没有 SimHei 字体，也可以使用其他中文字体如
'Microsoft YaHei'（微软雅黑）或'KaiTi'（楷体），具体取决于你的操作系统。
参考资料：
2. 饼图基础概念 🥧 / Basic Concepts of Pie Chart
🥧 Note: 本章介绍饼图的定义、适用场景和核心要素 / This chapter introduces the definition, use cases, and core elements of pie charts.
2.1 什么是饼图？🤔 / What is a Pie Chart?
饼图（Pie Chart） 是一种圆形统计图表，它将一个圆划分为多个扇形 （Wedge） ，每个扇形的面积代表该类别在整体中所占的比例。饼图的核心思想是 "整体与部分的关系" ------ 整个圆代表 100%（整体），每个扇形代表一个类别（部分）。
直观类比 🍕：想象一个完整的披萨被切成不同大小的块
- 整个披萨 = 总销售额（100%）
- 每块披萨的大小 = 每个渠道的销售额占比
- 块越大 = 该渠道贡献的销售额越多
2.2 适用场景 🎯 / When to Use Pie Charts
饼图最适合展示 "部分占整体的比例关系" ，特别是在以下场景：
| 场景 | 示例 | 说明 |
|---|---|---|
| 市场份额分析 📊 | 各电商平台的市场占有率 | 直观对比谁大谁小 |
| 预算分配 💰 | 各部门的预算占比 | 展示资源分配结构 |
| 用户画像 👥 | 不同年龄段的用户比例 | 展示构成分布 |
| 时间分配 ⏰ | 各项活动耗时占比 | 展示时间投入结构 |
2.3 使用注意事项 ⚠️ / Usage Considerations
饼图虽然直观，但有以下局限性：
- 类别不宜过多 🔢：建议不超过 5-6 个类别，太多会使扇形过于拥挤
- 差异不宜过小 📏：如果比例接近（如 48% vs 52%），饼图难以区分，建议使用条形图
- 不适合比较多个总体 🚫：饼图只能展示一个整体内部的比例，多个整体对比应使用堆叠条形图
参考资料：
3. 核心参数详解 🔧 / Core Parameters Explained
🔧 Note: 本章深入讲解
pie()函数的关键参数及其作用 / This chapter explains the key parameters of thepie()function in detail.
plt.pie() 是 Matplotlib 中用于绘制饼图的核心函数，其基本语法如下：
python
plt.pie(x, explode=None, labels=None, colors=None, autopct=None,
pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0,
radius=1, counterclock=True, wedgeprops=None, textprops=None)3.1 核心参数速查表 📋 / Core Parameters Quick Reference
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
x |
array-like | 必填 | 每个扇形的数值，函数内部自动计算 x / sum(x) 作为比例 |
explode |
array-like | None | 每个扇形偏离中心的距离（以半径比例为单位），用于突出显示 |
labels |
list | None | 每个扇形的标签文字 |
colors |
list | 自动 | 每个扇形的颜色，支持十六进制、RGB、颜色名称等 |
autopct |
str/callable | None | 百分比显示格式，如 '%1.1f%%' 表示保留 1 位小数 |
startangle |
float | 0 | 起始角度，0 表示从 x 轴正方向（3 点钟方向）开始 |
labeldistance |
float | 1.1 | 标签与圆心距离（半径的倍数），>1 在圆外，<1 在圆内 |
pctdistance |
float | 0.6 | 百分比文本与圆心距离（半径的倍数） |
3.2 关键参数详解 🔍 / Key Parameters Deep Dive
3.2.1 explode 参数 ------ 突出显示特定扇形 🎯
explode 参数是一个与 x 等长的数组，每个值表示对应扇形向外偏移的距离（以半径为基准）：
0：不偏移>0：向外偏移指定距离- 值越大，扇形偏离中心越远
python
explode = (0, 0, 0.1, 0, 0) # 第3个扇形（索引2）向外偏移 0.1 倍半径 🔍直观类比 🎯：就像从披萨中抽出一块，让这块更醒目地展示在盘子上
图解读 🔍：左图所有扇形紧贴圆心，无法突出任何渠道；右图中拼多多（绿色扇形）向外偏移 0.1 倍半径，立即成为视觉焦点，读者可以第一时间关注到这个渠道。
图片来源：本文档配套生成 -- Python-基础技术
3.2.2 autopct 参数 ------ 显示百分比 📊
autopct 控制百分比文本的显示格式：
| 格式字符串 | 效果 | 示例输出 |
|---|---|---|
'%d%%' |
整数百分比 | 30% |
'%1.1f%%' |
保留 1 位小数 | 30.0% |
'%1.2f%%' |
保留 2 位小数 | 30.00% |
⚠️ 注意 ：
%%中的第一个%是转义字符，表示输出一个字面上的百分号%
图解读 🔍：左图没有设置 autopct，读者只能通过扇形面积大致判断比例，无法获取精确数值；右图设置 autopct='%1.1f%%' 后，每个扇形内部直接显示保留 1 位小数的百分比，数据一目了然。
图片来源：本文档配套生成 -- Python-基础技术
3.2.3 startangle 参数 ------ 控制起始角度 🔄
startangle 决定饼图从哪个方向开始绘制第一个扇形：
0（默认）：从 x 轴正方向（3 点钟或 East 方向）开始90：从 y 轴正方向（12 点钟或 North 方向）开始180：从 x 轴负方向（9 点钟方向）开始270：从 y 轴负方向（6 点钟方向）开始
直观类比 🧭：就像转动一个转盘，改变起始指针的位置
图解读 🔍：左图从正右方（3 点钟方向）开始绘制，天猫扇形出现在右侧；右图旋转 90 度后从正上方（12 点钟方向）开始，天猫扇形出现在顶部。startangle=90 的布局更符合从上到下的阅读习惯，是大多数商业报告的首选。
图片来源：本文档配套生成 -- Python-基础技术
3.2.4 labeldistance 和 pctdistance ------ 控制文本位置 📍
这两个参数控制标签和百分比文本与圆心的距离，以半径的比值表示：
labeldistance=1.1（默认）：标签在圆外距离边缘 0.1 倍半径的位置pctdistance=0.6（默认）：百分比文本在扇形内部距离圆心 0.6 倍半径的位置
当 labeldistance < 1 时标签显示在圆内，当 pctdistance > 1 时百分比显示在圆外。
图解读 🔍：左图标签在圆外（距离圆心 1.1 倍半径），与百分比文本内外呼应、布局清晰；右图标签移入圆内（0.6 倍半径），虽然节省了外部空间，但可能导致标签与百分比文本重叠。在实际应用中，labeldistance=1.1 是更安全的选择。
图片来源：本文档配套生成 -- Python-基础技术
图解读 🔍：左图百分比文本距离圆心 0.6 倍半径，位于扇形内部靠近中心；右图距离 0.8 倍半径，百分比外移到扇形中部偏外位置。选择 pctdistance=0.8 可以让百分比文本与标签保持平衡，避免过于拥挤。
图片来源：本文档配套生成 -- Python-基础技术
参考资料：
- matplotlib.pyplot.pie 官方参数文档 -- Matplotlib ⭐值得阅读
- Pie charts 示例 -- Matplotlib Gallery ⭐值得阅读
- Python matplotlib 饼图参数详解 -- 博客园
4. 完整代码实现 💻 / Complete Code Implementation
💻 Note: 本章展示电商渠道销售额占比的饼图完整代码 / This chapter presents the complete code for the e-commerce channel sales pie chart.
4.1 案例数据 📊 / Case Data
某电商公司 2026 年第二季度（Q2） 各渠道销售额占比数据如下：
| 渠道 | 销售额占比 | 说明 |
|---|---|---|
| 天猫 | 30% | 传统电商主力渠道 |
| 京东 | 25% | 综合电商平台 |
| 拼多多 | 20% | 需要突出显示的渠道 🎯 |
| 抖音 | 15% | 直播电商新渠道 |
| 快手 | 10% | 短视频电商渠道 |
4.2 完整代码 🎬 / Complete Code
python
import matplotlib.pyplot as plt # 导入 pyplot 模块，提供绘图接口 🔥
import numpy as np # 导入 NumPy，用于数组运算 🔢
# ========== 1. 设置中文字体 ========== 🇨🇳
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans'] # 设置黑体为默认字体，确保中文正常显示
plt.rcParams['axes.unicode_minus'] = False # 解决负号显示为方块的问题 ✅
# ========== 2. 准备数据 ========== 📊
# 各渠道名称，数据流动：字符串列表 → labels 参数
labels = ['天猫', '京东', '拼多多', '抖音', '快手']
# 各渠道销售额占比（%），数据流动：[30, 25, 20, 15, 10] → pie() 自动归一化
sizes = [30, 25, 20, 15, 10]
# 自定义颜色，使用柔和的配色方案 🎨
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#c2c2f0']
# ========== 3. 设置突出效果 ========== 🎯
# explode 参数：第3个渠道（拼多多，索引2）突出 0.1 倍半径
# 数据流动：[0, 0, 0.1, 0, 0] → 拼多多扇形偏离中心 0.1 倍半径
explode = (0, 0, 0.1, 0, 0)
# ========== 4. 绘制饼图 ========== 🥧
plt.pie( # 调用 pie() 绘制饼图
sizes, # x：各渠道的数值数据 🔢
explode=explode, # explode：突出拼多多渠道 🎯
labels=labels, # labels：各渠道的名称标签 🏷️
colors=colors, # colors：自定义颜色方案 🎨
autopct='%1.1f%%', # autopct：显示百分比，保留 1 位小数 📊
startangle=90, # startangle：从 12 点钟方向开始绘制 🔄
labeldistance=1.1, # labeldistance：标签距离圆心 1.1 倍半径 📍
pctdistance=0.8 # pctdistance：百分比距离圆心 0.8 倍半径 📍
)
# ========== 5. 添加标题和美化 ========== 🏷️
plt.title('2026年Q2销售渠道占比分析') # 设置饼图标题，说明图表内容 🏷️
plt.axis('equal') # 设置坐标轴等比例，确保饼图为正圆形 🔵
# ========== 6. 显示饼图 ========== 👁️
plt.show() # 渲染并显示饼图（Jupyter 中可省略）🖼️💡 提示 ：如果需要在非交互式环境中保存图片，可以使用
plt.savefig('pie_chart.png', dpi=150, bbox_inches='tight')替代plt.show()。
参考资料：
5. 代码逐行解析 🔍 / Line-by-Line Code Analysis
🔍 Note: 本节详细拆解每一步的操作和数据流向 / This section breaks down each step's operation and data flow.
第1步：设置中文字体 🇨🇳
python
plt.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans'] # 设置中文字体为黑体 SimHei
plt.rcParams['axes.unicode_minus'] = False # 修复负号显示为方块的问题 ✅Matplotlib 默认字体不支持中文，直接使用中文标签会出现乱码（显示为小方块）。通过修改 rcParams 配置：
font.sans-serif：设置无衬线字体列表，SimHei（黑体）排在第一优先级axes.unicode_minus：设置为False解决负号显示异常
💡 为什么需要设置中文字体？ Matplotlib 的默认字体是 DejaVu Sans，它不包含中文字符集。SimHei（黑体）是 Windows 系统自带的中文字体，也可以使用
'Microsoft YaHei'（微软雅黑）。
第2步：准备数据 📊
python
labels = ['天猫', '京东', '拼多多', '抖音', '快手'] # 各渠道名称
sizes = [30, 25, 20, 15, 10] # 各渠道销售额占比
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99', '#c2c2f0'] # 自定义颜色数据准备要点 💡：
- sizes 数据 ：可以是绝对值（如销售额金额），也可以是百分比值。
pie()内部自动执行x / sum(x)归一化 - labels 顺序：必须与 sizes 一一对应
- colors 数量：必须与 sizes 数量一致（这里 5 个渠道对应 5 种颜色）
- 颜色格式 ：使用十六进制颜色码
#RRGGBB，也可以使用颜色名称如'red'、'blue'或 RGB 元组
第3步：设置突出效果 🎯
python
explode = (0, 0, 0.1, 0, 0) # 第3个渠道（拼多多，索引2）突出 0.1 倍半径explode 的工作原理 🧠：
- 每个元素的值代表对应扇形向外偏移的距离（以半径为基准）
0= 不偏移0.1= 向外偏移 0.1 倍半径- 值越大，突出越明显
直观类比 🎯：就像从完整的披萨中抽出一块，让它单独"站出来"吸引注意力。在电商场景中，突出"拼多多"可以让读者快速关注到这个特定渠道的表现。
第4步：绘制饼图 🥧
这是最核心的一步，plt.pie() 的每个参数都有明确的作用：
python
plt.pie(
sizes, # x：原始数据，函数自动计算比例
explode=explode, # explode：突出拼多多渠道
labels=labels, # labels：各渠道名称
colors=colors, # colors：自定义配色
autopct='%1.1f%%', # autopct：保留 1 位小数的百分比
startangle=90, # startangle：从 12 点钟方向开始
labeldistance=1.1, # labeldistance：标签在圆外 0.1 倍半径处
pctdistance=0.8 # pctdistance：百分比文本在扇形内部
)参数详解 🔍：
autopct='%1.1f%%' 📊：
这是一个格式化字符串，其中：
%1.1f：浮点数格式，总宽度为 1，保留 1 位小数%%：输出一个百分号（第一个%是转义字符）- 示例：
20.0→20.0%
startangle=90 🔄：
默认 startangle=0 从 x 轴正方向（3 点钟或 East）开始。设置为 90 表示逆时针旋转 90 度，即从 y 轴正方向（12 点钟或 North）开始。这样第一个类别"天猫"会出现在饼图正上方，更符合阅读习惯。
labeldistance=1.1 和 pctdistance=0.8 📍：
这两个参数都以半径为基准的相对距离：
labeldistance=1.1：标签位于圆外（1.0 是边缘，多出的 0.1 在圆外）pctdistance=0.8：百分比位于扇形内部（距离圆心 0.8 倍半径处）
第5步：添加标题和美化 🏷️
python
plt.title('2026年Q2销售渠道占比分析') # 设置标题，说明图表主题
plt.axis('equal') # 设置坐标轴等比例，确保饼图为正圆形plt.axis('equal') 🔵：
这是饼图绘制中非常关键的一步。如果不设置，Matplotlib 默认的坐标轴比例会导致饼图显示为椭圆形 。axis('equal') 强制 x 轴和 y 轴使用相同比例，确保饼图呈现出完美的正圆形。
直观类比 🎨：就像用圆规画圆时确保两脚间距不变，否则画出来的是椭圆而不是正圆。
图解读 🔍：左图没有设置 axis('equal')，饼图被拉伸为椭圆形，视觉上歪曲了各渠道的占比关系；右图设置 axis('equal') 后，饼图为完美的正圆形，各扇区的面积比例准确反映数据。这是绘制饼图时最容易忽略但最关键的一步。
图片来源：本文档配套生成 -- Python-基础技术
第6步：显示饼图 👁️
python
plt.show() # 渲染并显示图像plt.show() 将缓冲区中的图形渲染到屏幕上。在 Jupyter Notebook 中，这步可以省略（Notebook 自动显示最后绘制的图形），但在 Python 脚本中必须调用 plt.show() 或 plt.savefig() 才能看到图形。
参考资料：
6. 运行结果展示 📊 / Result Visualization
📊 Note: 本章展示生成的饼图效果 / This chapter shows the resulting pie chart.
运行上述代码后，将生成一个展示 2026 年 Q2 各渠道销售额占比的饼图：
- 🟥 天猫（30%） ：占比最高，使用粉色
#ff9999 - 🟦 京东（25%） ：第二高，使用蓝色
#66b3ff - 🟩 拼多多（20%） ：被突出显示，从饼图中心分离，使用绿色
#99ff99 - 🟧 抖音（15%） ：使用橙色
#ffcc99 - 🟪 快手（10%） ：占比最小，使用紫色
#c2c2f0
饼图解读要点 🔍：
- 扇形面积：扇形面积越大，该渠道的销售额占比越高
- 突出效果：拼多多扇形与主体分离，是最先吸引视觉注意力的部分
- 百分比标签：每个扇形内部显示精确到 1 位小数的百分比
- 渠道标签：圆外标注各渠道名称，便于识别
- 正圆形 ：由于设置了
axis('equal')，饼图为完美的正圆
💡 Key Takeaways / 核心要点
- Pie chart visualizes proportions --- each wedge represents a category's share / 饼图直观展示比例关系，每个扇形代表一个类别的占比
- Explode highlights key data --- offset the wedge to draw attention / explode 参数突出关键数据点，通过偏移吸引注意力
- startangle=90 aligns with convention --- starting from 12 o'clock is intuitive / 从 12 点钟方向开始绘制更符合阅读习惯
- axis('equal') ensures circular shape --- prevents distortion into an ellipse / 等比例约束确保正圆形，避免视觉变形
参考资料：
- Creating Pie Charts in Python with Matplotlib -- Canard Analytics
- Plot a Pie Chart in Python using Matplotlib -- GeeksforGeeks
7. 总结 📝 / Summary
本节我们完成了 Matplotlib 饼图的绘制，从案例数据到完整代码实现，核心要点回顾：🎯
| 步骤 | 操作 | 代码对应 |
|---|---|---|
| 1️⃣ | 设置中文字体 | plt.rcParams['font.sans-serif'] = ['SimHei', ...] |
| 2️⃣ | 准备数据 | labels = [...], sizes = [...], colors = [...] |
| 3️⃣ | 设置突出 | explode = (0, 0, 0.1, 0, 0) 🎯 |
| 4️⃣ | 绘制饼图 | plt.pie(sizes, explode=..., labels=..., ...) 🥧 |
| 5️⃣ | 添加标题和约束 | plt.title(...), plt.axis('equal') 🏷️ |
| 6️⃣ | 显示图表 | plt.show() 👁️ |
🔴 关键理解：
- 🥧 饼图的核心是展示部分与整体的比例关系 ，使用
pie()函数绘制 - 🎯
explode参数通过偏移突出特定类别，让数据"站出来说话" - 🔄
startangle=90从 12 点钟方向开始，更符合视觉阅读习惯 - 📍
labeldistance和pctdistance分别控制标签和百分比的显示位置 - 🔵
plt.axis('equal')确保饼图为正圆形，是绘制饼图的标准实践 - 🎨 自定义颜色方案让图表更具专业感，配色应柔和协调
参考资料：
- matplotlib.pyplot.pie 官方文档 -- Matplotlib ⭐值得阅读
- Pie charts -- Matplotlib Gallery ⭐值得阅读
- Matplotlib 饼图 -- 菜鸟教程
- Creating Pie Charts in Matplotlib -- Canard Analytics
- Plot a Pie Chart in Python using Matplotlib -- GeeksforGeeks
- Python matplotlib 饼图参数详解 -- 博客园
最后更新时间：2026-06-29