Matplotlib 如何在饼图中显示真实数值而非百分比

在本文中，我们将介绍如何使用Matplotlib来展示真实数值，而非百分比，以呈现更为直观的数据可视化。

饼图表示法简介

饼图是以圆形的方式展示数据分布的一种图表示法，通常用于比较不同类别之间的数量或占比关系。饼图在数据可视化中的应用颇具争议，因为它可能造成一些误导。

例如，在下面这个示例中，我们使用的是饼图表示全球六大洲的人口占比。从图中可以看到，亚洲占全球人口的51.8%，而非洲仅占15.2%。

import matplotlib.pyplot as plt

labels = 'Asia', 'Africa', 'Europe', 'North America', 'South America', 'Oceania'
sizes = [51.8, 15.2, 9.4, 7.5, 5.8, 0.5]

fig1, ax1 = plt.subplots()
ax1.pie(sizes, labels=labels, autopct='%1.1f%%',
        shadow=True, startangle=90)
ax1.axis('equal')

plt.show()

然而，饼图有一个主要的缺陷，即对于普通公众而言并不直观，因为他们更习惯于查看数字而非图形展示。此外，当饼图中的类别数量过多或数量相似时，图形变得越发难以阅读。

那么，如何使用Matplotlib解决这个问题呢？

饼图实践：展示真实数值

为了展示真实数值而非百分比，我们需要在饼图中显示合适的标签，并使用文本注释的方式在图中标记具体数值。

下面是一个实际的例子，展示了2018年美国国内航班延误的原因分布情况。我们将每个原因的数值明确地标注在饼图上。

import matplotlib.pyplot as plt

labels = 'Carrier', 'Extreme Weather', 'National Aviation System', 'Late Aircraft', 'Security', 'Others'
sizes = [3.4, 4.8, 10.0, 22.8, 0.2, 58.8]
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99', '#ac33ff', '#cccccc']

fig, ax = plt.subplots()

total = sum(sizes)
ax.pie(sizes, colors=colors, startangle=90, autopct=lambda p: '{:.1f}%  ({:.0f})'.format(p, p * total / 100))
ax.legend(labels=labels, loc='lower left')
ax.set_title("2018 Annual Delay Reason Distribution - Domestic Flights")

plt.show()

在这个例子中，我们使用了autopct参数来显示真实数值和百分比。具体实现方式是在函数中写一个格式化字符串，例如{:.1f}% ({:.0f})，以代表百分比和真实数值。然后，我们通过lambda表达式将函数作为格式化字符串的参数传递进去，即：

autopct=lambda p: '{:.1f}%  ({:.0f})'.format(p, p * total / 100)

上述表达式将传递的参数P代表的是当前数据在整体数据中的百分比。total变量存储的就是整体数据的总数。

改进饼图

要注意的是，将真实数值展示在饼图上，只是饼图展示中的一种更为可读的方式之一，但并不是唯一的方式。下面是在上面示例中使用条形图的版本：

import matplotlib.pyplot as plt

labels = 'Carrier', 'Extreme Weather', 'National Aviation System', 'Late Aircraft', 'Security', 'Others'
sizes = [3.4, 4.8, 10.0, 22.8, 0.2, 58.8]
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99', '#ac33ff', '#cccccc']

fig, ax = plt.subplots()

ax.bar(labels, sizes, color=colors)
ax.set_title("2018 Annual Delay Reason Distribution - Domestic Flights")
ax.set_ylabel("Percentage of Delay")
for i in range(len(labels)):
    ax.annotate(str(sizes[i])+"%", xy=(labels[i], sizes[i]), ha='center', va='bottom')

plt.show()