Python数据可视化----饼图

使用Matplotlib提供的pie()函数绘制饼图

import matplotlib.pyplot as plt

import matplotlib.font_manager as fm #字体管理器

#准备字体

my_font
=
fm.FontProperties(fname="/usr/share/fonts/wqy-microhei/wqy-microhei.ttc")

#准备数据

data
=
[0.16881,0.14966,0.07471,0.06992,0.04762,0.03541,0.02925,0.02411,0.02316,0.01409,0.36326]

#准备标签

labels
= [‘Java‘,‘C‘,‘C++‘,‘Python‘,‘Visual
Basic.NET‘,‘C#‘,‘PHP‘,‘JavaScript‘,‘SQL‘,‘Assembly langugage‘,‘其他‘]

#将排列在第4位的语言(Python)分离出来

explode
=[0,0,0,0.3,0,0,0,0,0,0,0]

#使用自定义颜色

colors
= [‘red‘,‘pink‘,‘magenta‘,‘purple‘,‘orange‘]

#将横、纵坐标轴标准化处理,保证饼图是一个正圆,否则为椭圆

plt.axes(aspect=‘equal‘)

#控制X轴和Y轴的范围(用于控制饼图的圆心、半径)

plt.xlim(0,8)

plt.ylim(0,8)

#不显示边框

plt.gca().spines[‘right‘].set_color(‘none‘)

plt.gca().spines[‘top‘].set_color(‘none‘)

plt.gca().spines[‘left‘].set_color(‘none‘)

plt.gca().spines[‘bottom‘].set_color(‘none‘)

#绘制饼图

plt.pie(x=data,
#绘制数据

labels=labels,#添加编程语言标签

explode=explode,#突出显示Python

colors=colors,
#设置自定义填充色

autopct=‘%.3f%%‘,#设置百分比的格式,保留3位小数

pctdistance=0.8,
#设置百分比标签和圆心的距离

labeldistance=1.0,#设置标签和圆心的距离

startangle=180,#设置饼图的初始角度

center=(4,4),#设置饼图的圆心(相当于X轴和Y轴的范围)

radius=3.8,#设置饼图的半径(相当于X轴和Y轴的范围)

counterclock=
False,#是否为逆时针方向,False表示顺时针方向

wedgeprops=
{‘linewidth‘:1,‘edgecolor‘:‘green‘},#设置饼图内外边界的属性值

textprops=
{‘fontsize‘:12,‘color‘:‘black‘,‘fontproperties‘:my_font},#设置文本标签的属性值

frame=1)
#是否显示饼图的圆圈,1为显示

#不显示X轴、Y轴的刻度值

plt.xticks(())

plt.yticks(())

#添加图形标题

plt.title(‘2018年8月的编程语言指数排行榜‘,fontproperties=my_font)

#显示图形

plt.show()

原文地址:https://www.cnblogs.com/lone5wolf/p/10871008.html

时间: 2024-11-14 16:17:59

Python数据可视化----饼图的相关文章

【数据科学】Python数据可视化概述

注:很早之前就打算专门写一篇与Python数据可视化相关的博客,对一些基本概念和常用技巧做一个小结.今天终于有时间来完成这个计划了! 0. Python中常用的可视化工具 Python在数据科学中的地位,不仅仅是因为numpy, scipy, pandas, scikit-learn这些高效易用.接口统一的科学计算包,其强大的数据可视化工具也是重要组成部分.在Python中,使用的最多的数据可视化工具是matplotlib,除此之外还有很多其他可选的可视化工具包,主要包括以下几大类: matpl

python -- 数据可视化(二)

python -- 数据可视化 Matplotlib 绘图 1.图形对象(图形窗口) mp.figure(窗口名称, figsize=窗口大小, dpi=分辨率, facecolor=颜色) 如果"窗口名称"是第一次出现,那么就创建一个新窗口,其标题栏显示该名称,如果"窗口名称"已经出现过,那么不再创建新窗口,而只是将与该名称相对应的窗口设置为当前窗口.所谓当前窗口,就是接受后续绘图操作的窗口. mp.title(标题文本, fontsize=字体大小) mp.xl

Python 数据可视化工具以及数据分析开发架构

Python 数据可视化进阶 Python数据可视化教程:基于 plotly 动态可视化绘图 ?https://edu.51cto.com/sd/4bff8 ? Python数据可视化教程 Seaborn ?https://edu.51cto.com/sd/19627 Python 数据分析实战 视频课程https://edu.51cto.com/sd/63225 Python数据可视化: pyecharts实战 ????? pyecharts 是一个用于生成 Echarts 图表的类库.Ech

python数据可视化:pyecharts

发现了一个做数据可视化非常好的库:pyecharts.非常便捷好用,大力推荐!! 官方介绍:pyecharts 是一个用于生成 Echarts 图表的类库.Echarts 是百度开源的一个数据可视化 JS 库.用 Echarts 生成的图可视化效果非常棒,pyecharts 是为了与 Python 进行对接,方便在 Python 中直接使用数据生成图. 中文教程也非常具体:https://pyecharts.org/#/zh-cn/quickstart?id=%e5%a6%82%e4%bd%95

Python数据可视化编程实战——导入数据

1.从csv文件导入数据 原理:with语句打开文件并绑定到对象f.不必担心在操作完资源后去关闭数据文件,with的上下文管理器会帮助处理.然后,csv.reader()方法返回reader对象,通过该对象遍历所读取文件的所有行. 1 #!/usr/bin/env python 2 3 import csv 4 5 filename = 'ch02-data.csv' 6 7 data = [] 8 try: 9 with open(filename) as f: 10 reader = csv

分享《Python数据可视化编程实战》中文版PDF+英文版PDF+源代码

下载:https://pan.baidu.com/s/17-gPTIYJsHc4Xn_f5sVYXw <Python数据可视化编程实战>中文版PDF+英文版PDF+源代码 中文版PDF,带目录和书签:英文版PDF,带目录和书签:中英文两版可以对比学习.配套源代码:经典书籍,讲解详细:中文版如图: 原文地址:http://blog.51cto.com/3215120/2311995

《Python数据可视化编程实战》中文版PDF+英文版PDF+源代码

资源链接:https://pan.baidu.com/s/1XqN3YBmL5Y1jknUbaiv-Qg<Python数据可视化编程实战>中文版PDF+英文版PDF+源代码中文版PDF,带目录和书签:英文版PDF,带目录和书签:中英文两版可以对比学习.配套源代码:经典书籍,讲解详细:中文版如图: 原文地址:http://blog.51cto.com/14063572/2318482

分享《Python数据可视化编程实战》+PDF+源码+Igor Milovanovic+颛清山

下载:https://pan.baidu.com/s/1R6n3aE2_jIGnOmFR7jKx0A 更多分享资料:http://blog.51cto.com/14087171 <Python数据可视化编程实战>中文版PDF+英文版PDF+源代码 中文版PDF,带目录和书签:英文版PDF,带目录和书签:中英文两版可以对比学习.配套源代码:经典书籍,讲解详细:中文版如图: 原文地址:http://blog.51cto.com/14087171/2321650

Python数据可视化的四种简易方法

摘要: 本文讲述了热图.二维密度图.蜘蛛图.树形图这四种Python数据可视化方法. 数据可视化是任何数据科学或机器学习项目的一个重要组成部分.人们常常会从探索数据分析(EDA)开始,来深入了解数据,并且创建可视化确实有助于让问题更清晰和更容易理解,尤其是对于那些较大的高维度数据集.在项目结束的时候,能够以清晰的.简洁的和令人信服的方式呈现最终结果,这是非常重要的,让你的用户能够理解和明白. 你可能已经看过了我之前的文章<5种快速和简单的Python数据可视化方法(含代码)>(5 Quick