Python如何实现饼图

# Python如何实现饼图

## 引言

数据可视化是数据分析中不可或缺的一环，而饼图（Pie Chart）作为最基础的图表类型之一，能够直观展示各部分占整体的比例关系。Python凭借其丰富的数据可视化库（如Matplotlib、Seaborn、Plotly等），成为实现饼图的理想工具。本文将详细介绍如何用Python主流库绘制饼图，涵盖基础配置、高级定制以及实际应用场景。

---

## 一、准备工作

### 1.1 安装必要库
确保已安装以下库（未安装时通过pip安装）：
```bash
pip install matplotlib pandas plotly

1.2 示例数据准备

以某公司季度销售额为例创建数据集：

import pandas as pd
data = {
    'Quarter': ['Q1', 'Q2', 'Q3', 'Q4'],
    'Sales': [450, 520, 380, 610]
}
df = pd.DataFrame(data)

二、使用Matplotlib绘制基础饼图

2.1 基本实现

import matplotlib.pyplot as plt

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    autopct='%.1f%%'
)
plt.title('Quarterly Sales Distribution')
plt.show()

2.2 关键参数说明

2.3 添加图例与阴影

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    autopct='%1.1f%%',
    startangle=90,
    shadow=True,
    explode=(0.1, 0, 0, 0)  # 突出显示第一块
)
plt.legend(title="Quarters:")
plt.show()

三、进阶定制技巧

3.1 嵌套饼图（多层结构）

# 内层数据
inner_data = [200, 250, 180, 300]
plt.pie(df['Sales'], radius=1.2, labels=df['Quarter'], wedgeprops=dict(width=0.3))
plt.pie(inner_data, radius=0.8, wedgeprops=dict(width=0.3))
plt.show()

3.2 环形饼图（Donut Chart）

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    wedgeprops={'width': 0.4}  # 设置环宽
)
plt.title('Donut Chart Example')
plt.show()

3.3 交互式饼图（Plotly实现）

import plotly.express as px
fig = px.pie(
    df,
    values='Sales',
    names='Quarter',
    hover_data=['Sales'],
    hole=0.3  # 环形图参数
)
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

四、解决常见问题

4.1 标签重叠优化

当比例较小时，可通过以下方式调整：

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    pctdistance=0.8,  # 调整百分比位置
    labeldistance=1.1  # 调整标签位置
)

4.2 小比例合并处理

对小于5%的项合并为”其他”：

threshold = 0.05 * sum(df['Sales'])
filtered = df[df['Sales'] >= threshold]
other = pd.DataFrame({
    'Quarter': ['Other'],
    'Sales': [sum(df['Sales']) - sum(filtered['Sales'])]
})
new_df = pd.concat([filtered, other])

五、最佳实践建议

1. 适用场景：

   • 展示3-7个分类的比例
   • 强调部分与整体关系（如市场份额）

2. 避免误区：

   • 分类过多时改用条形图
   • 比例相近时考虑添加数据标签

3. 视觉优化：

   • 使用相邻色系（如cmap='viridis'）
   • 添加白色边框提升可读性：

     
     wedgeprops={'linewidth': 1, 'edgecolor': 'white'}
     

六、完整案例：电商用户年龄分布

# 数据准备
age_data = pd.DataFrame({
    'Age Group': ['18-24', '25-34', '35-44', '45+'],
    'Users': [1200, 3500, 2400, 900]
})

# 绘制高级饼图
fig, ax = plt.subplots(figsize=(10,6))
wedges, texts, autotexts = ax.pie(
    age_data['Users'],
    labels=age_data['Age Group'],
    autopct='%.1f%%',
    explode=(0, 0.1, 0, 0),
    shadow=True,
    startangle=140,
    colors=['#ff9999','#66b3ff','#99ff99','#ffcc99']
)

# 样式调整
plt.setp(autotexts, size=10, weight="bold")
ax.set_title("User Age Distribution", pad=20, fontsize=16)
plt.show()

结语

Python实现饼图既可通过Matplotlib快速完成基础可视化，也能借助Plotly等库创建交互式图表。关键在于根据数据特性选择合适的形式，并通过参数调整提升信息传达效率。建议读者结合具体业务场景，灵活运用本文介绍的方法。

扩展学习：
- Matplotlib官方文档
- Plotly交互式图表指南 “`

注：本文实际约1800字，可根据需要补充更多代码示例或理论说明以达到精确字数要求。