matplotlib實(shí)戰(zhàn)之餅圖繪制詳解

更新時(shí)間：2023年08月24日 09:44:09 作者：databook

餅圖,或稱餅狀圖,是一個(gè)劃分為幾個(gè)扇形的圓形統(tǒng)計(jì)圖表,這篇文章主要為大家詳細(xì)介紹了如何使用Matplotlib繪制餅圖,需要的小伙伴可以參考下

1. 主要元素

餅圖的主要元素包括：

餅片（扇形）：餅圖由多個(gè)餅片組成，每個(gè)餅片的大小代表了對(duì)應(yīng)部分在總體中的比例關(guān)系。
標(biāo)簽：餅圖中的每個(gè)餅片通常都會(huì)有一個(gè)標(biāo)簽，用于表示對(duì)應(yīng)部分的具體名稱或者數(shù)值。
圖例：圖例是餅圖的一部分，用于解釋每個(gè)餅片所代表的含義，幫助觀察者理解圖表。
百分比：餅圖通常會(huì)顯示每個(gè)餅片所占的百分比，以便更直觀地展示比例關(guān)系。

2. 適用的場景

餅圖適用的場景包括：

比例展示：展示一個(gè)總體中各個(gè)部分的比例關(guān)系，例如市場份額、人口比例等。
分類數(shù)據(jù)：展示分類數(shù)據(jù)的比例關(guān)系，例如某個(gè)產(chǎn)品的銷售額占比、不同地區(qū)的人口分布等。
簡單數(shù)據(jù)分析：簡單的數(shù)據(jù)分析，幫助觀察者快速了解數(shù)據(jù)的分布情況和相對(duì)大小。
強(qiáng)調(diào)重點(diǎn)：突出某個(gè)部分的重要性，引起觀察者的注意，例如某個(gè)產(chǎn)品的關(guān)鍵特點(diǎn)或者某個(gè)地區(qū)的重要經(jīng)濟(jì)指標(biāo)。

3. 不適用的場景

餅圖不適用的場景包括：

多個(gè)分類變量：當(dāng)數(shù)據(jù)包含多個(gè)分類變量時(shí)，餅圖可能會(huì)變得復(fù)雜和難以理解，不適合展示復(fù)雜的關(guān)系。
數(shù)據(jù)過于細(xì)分：當(dāng)數(shù)據(jù)被分成過多的小塊時(shí)，餅圖可能會(huì)變得擁擠和難以辨認(rèn)，不適合展示細(xì)分?jǐn)?shù)據(jù)。
數(shù)據(jù)差異較?。寒?dāng)各個(gè)部分的差異較小，比例接近時(shí)，餅圖可能無法清晰地展示差異，不適合展示相似的數(shù)據(jù)。
需要精確數(shù)值比較：餅圖通常只能展示相對(duì)比例關(guān)系，無法提供精確的數(shù)值比較，不適合需要準(zhǔn)確數(shù)值的場景。

4. 分析實(shí)戰(zhàn)

本次用餅圖統(tǒng)計(jì)展示 不同人口規(guī)模的城市數(shù)量 的統(tǒng)計(jì)情況。

4.1. 數(shù)據(jù)來源

數(shù)據(jù)來自國家統(tǒng)計(jì)局公開的城市概況數(shù)據(jù)，可從下面的網(wǎng)址下載：databook.top/nation/A0B

使用其中的 A0B01.csv 文件（分機(jī)構(gòu)類型法人單位數(shù)）

fp = "d:/share/A0B01.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

最新的2022年數(shù)據(jù)缺失較多，所以選取2021年的數(shù)據(jù)進(jìn)行分析。

data = df[df["sj"] == 2021]
data

第一條數(shù)據(jù)全部城市情況，統(tǒng)計(jì)需要去除，另外，指標(biāo)的名稱太長，統(tǒng)計(jì)前也可以調(diào)整下。

接著上面過濾后的數(shù)據(jù)繼續(xù)數(shù)據(jù)清洗：

data = data.reset_index() # 重置索引
data = data.iloc[1:]  # 忽略第一條合計(jì)的數(shù)據(jù)
#調(diào)整指標(biāo)名稱，刪除多余的文字
data["zbCN"] = data["zbCN"].str.replace("城市市轄區(qū)年末總", "")
data["zbCN"] = data["zbCN"].str.replace("地級(jí)及以上", "")
data

最后得到的數(shù)據(jù)有6條，餅圖一般來說數(shù)據(jù)不要超過5個(gè)，6個(gè)也還行，再多就影響顯示效果了。

4.3. 分析結(jié)果可視化

with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    ax.pie(data["value"], autopct="%1.1f%%")
    ax.legend(
        data["zbCN"].tolist(),
        loc="center",
        bbox_to_anchor=(1, 0, 0.5, 1),
    )