Matplotlib：如何使用DataFrame数据创建饼图|极客教程

Matplotlib：如何使用DataFrame数据创建饼图

Matplotlib是Python中最流行的数据可视化库之一，它提供了丰富的绘图功能，包括创建饼图。当我们需要展示数据中各部分的比例时，饼图是一个非常直观的选择。本文将详细介绍如何使用Pandas DataFrame中的数据创建饼图，并探讨各种自定义选项，以帮助你制作出既美观又信息丰富的饼图。

1. 基础知识：Matplotlib和Pandas

在开始创建饼图之前，我们需要了解一些基础知识。Matplotlib是一个强大的绘图库，而Pandas则是用于数据处理和分析的库。结合这两个库，我们可以轻松地将数据转化为可视化图表。

首先，让我们导入必要的库：

import matplotlib.pyplot as plt
import pandas as pd

# 创建一个简单的DataFrame
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [30, 25, 20, 25]}
df = pd.DataFrame(data)

# 创建饼图
plt.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')
plt.title('How2matplotlib.com: Simple Pie Chart')
plt.axis('equal')  # 确保饼图是圆的
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个基础示例中，我们创建了一个包含类别和对应值的DataFrame，然后使用plt.pie()函数创建饼图。autopct参数用于显示百分比，axis('equal')确保饼图是圆形的。

2. 数据准备

在创建饼图之前，确保你的数据格式正确是很重要的。通常，我们需要一个包含类别和对应值的DataFrame。如果你的数据不是这种格式，可能需要进行一些预处理。

import pandas as pd

# 创建一个更复杂的DataFrame
data = {'Product': ['A', 'B', 'C', 'D', 'E'],
        'Sales': [100, 200, 300, 150, 250],
        'Region': ['North', 'South', 'East', 'West', 'Central']}
df = pd.DataFrame(data)

# 按产品汇总销售额
sales_by_product = df.groupby('Product')['Sales'].sum()

print("How2matplotlib.com: Data preparation")
print(sales_by_product)

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们创建了一个包含产品、销售额和地区的DataFrame，然后使用groupby()和sum()函数按产品汇总销售额。这样处理后的数据更适合用于创建饼图。

3. 创建基本饼图

有了准备好的数据，我们就可以创建基本的饼图了。Matplotlib的pie()函数是创建饼图的核心。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D', 'E'],
        'Value': [20, 25, 30, 15, 10]}
df = pd.DataFrame(data)

# 创建饼图
plt.figure(figsize=(8, 8))
plt.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')
plt.title('How2matplotlib.com: Basic Pie Chart')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

这个例子展示了如何创建一个基本的饼图。我们使用df['Value']作为数据，df['Category']作为标签。autopct='%1.1f%%'参数用于在每个扇区显示百分比，精确到小数点后一位。

4. 自定义颜色

默认的颜色方案可能不总是符合你的需求。Matplotlib允许你自定义饼图的颜色。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [30, 25, 20, 25]}
df = pd.DataFrame(data)

# 自定义颜色
colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']

# 创建饼图
plt.figure(figsize=(8, 8))
plt.pie(df['Value'], labels=df['Category'], colors=colors, autopct='%1.1f%%')
plt.title('How2matplotlib.com: Pie Chart with Custom Colors')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们定义了一个自定义的颜色列表，并在pie()函数中使用colors参数来应用这些颜色。这样可以让你的饼图更加个性化和吸引眼球。

5. 突出显示特定扇区

有时，你可能想要突出显示某个特定的扇区。这可以通过设置explode参数来实现。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D', 'E'],
        'Value': [20, 25, 30, 15, 10]}
df = pd.DataFrame(data)

# 设置突出显示
explode = (0, 0.1, 0, 0, 0)  # 突出显示第二个扇区

# 创建饼图
plt.figure(figsize=(8, 8))
plt.pie(df['Value'], labels=df['Category'], explode=explode, autopct='%1.1f%%', shadow=True)
plt.title('How2matplotlib.com: Pie Chart with Exploded Slice')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们使用explode参数来突出显示第二个扇区。explode是一个元组，其长度应该与数据的长度相同，对应要突出显示的扇区设置一个非零值。我们还添加了shadow=True参数来给饼图添加阴影效果，使其看起来更立体。

6. 添加图例

当饼图中的类别较多时，直接在扇区上显示标签可能会显得杂乱。这时，添加一个单独的图例可能是更好的选择。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H'],
        'Value': [12, 15, 18, 10, 20, 15, 8, 2]}
df = pd.DataFrame(data)

# 创建饼图
plt.figure(figsize=(10, 8))
patches, texts, autotexts = plt.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')

# 添加图例
plt.legend(patches, df['Category'], title="Categories", loc="center left", bbox_to_anchor=(1, 0, 0.5, 1))

plt.title('How2matplotlib.com: Pie Chart with Legend')
plt.axis('equal')
plt.tight_layout()
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们使用plt.legend()函数添加了一个图例。bbox_to_anchor参数用于调整图例的位置，使其位于饼图的右侧。tight_layout()函数确保图例不会被裁剪。

7. 嵌套饼图

嵌套饼图（也称为环形图）可以用来展示多层次的数据。这种图表特别适合展示层级关系。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
outer_data = {'Category': ['A', 'B', 'C'],
              'Value': [40, 30, 30]}
inner_data = {'Subcategory': ['A1', 'A2', 'B1', 'B2', 'C1', 'C2'],
              'Value': [20, 20, 15, 15, 15, 15]}

outer_df = pd.DataFrame(outer_data)
inner_df = pd.DataFrame(inner_data)

# 创建嵌套饼图
fig, ax = plt.subplots(figsize=(10, 8))

# 外圈
outer_colors = ['#ff9999', '#66b3ff', '#99ff99']
ax.pie(outer_df['Value'], labels=outer_df['Category'], colors=outer_colors, radius=1, wedgeprops=dict(width=0.3, edgecolor='white'))

# 内圈
inner_colors = ['#ff9999', '#ffcc99', '#66b3ff', '#99ccff', '#99ff99', '#ccffcc']
ax.pie(inner_df['Value'], labels=inner_df['Subcategory'], colors=inner_colors, radius=0.7, wedgeprops=dict(width=0.3, edgecolor='white'))

plt.title('How2matplotlib.com: Nested Pie Chart')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

这个例子展示了如何创建一个嵌套饼图。我们使用两个pie()函数调用来创建外圈和内圈。通过调整radius和wedgeprops参数，我们可以控制每个圈的大小和宽度。

8. 半圆饼图

有时，使用半圆形的饼图可以为你的可视化增添一些变化。这可以通过设置起始角度和总角度来实现。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D', 'E'],
        'Value': [20, 25, 30, 15, 10]}
df = pd.DataFrame(data)

# 创建半圆饼图
plt.figure(figsize=(10, 6))
plt.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%', startangle=90, counterclock=False)
plt.title('How2matplotlib.com: Half Circle Pie Chart')
plt.axis('equal')
plt.ylim(-0.5, 1)  # 限制y轴范围以创建半圆效果
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们通过设置startangle=90和counterclock=False来创建一个从右侧开始的半圆饼图。通过调整ylim参数，我们可以裁剪掉下半部分，形成半圆效果。

9. 添加中心文本

有时，你可能想在饼图的中心添加一些文本，比如总数或标题。这可以通过使用plt.text()函数来实现。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [30, 25, 20, 25]}
df = pd.DataFrame(data)

# 创建饼图
fig, ax = plt.subplots(figsize=(8, 8))
wedges, texts, autotexts = ax.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%', 
                                  textprops=dict(color="w"))

# 添加中心文本
total = df['Value'].sum()
ax.text(0, 0, f'Total\n{total}', ha='center', va='center', fontsize=20)

plt.title('How2matplotlib.com: Pie Chart with Center Text')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们使用ax.text()函数在饼图的中心（坐标0,0）添加了总数文本。通过调整fontsize和其他参数，你可以自定义文本的外观。

10. 数据标签的格式化

有时，你可能想要更精确地控制数据标签的格式。这可以通过自定义autopct函数来实现。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [3000, 2500, 2000, 2500]}
df = pd.DataFrame(data)

# 自定义标签格式化函数
def make_autopct(values):
    def my_autopct(pct):
        total = sum(values)
        val = int(round(pct*total/100.0))
        return f'{pct:.1f}%\n({val:d})'
    return my_autopct

# 创建饼图
plt.figure(figsize=(8, 8))
plt.pie(df['Value'], labels=df['Category'], autopct=make_autopct(df['Value']))
plt.title('How2matplotlib.com: Pie Chart with Formatted Labels')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们定义了一个自定义函数make_autopct，它返回另一个函数my_autopct。这个函数不仅显示百分比，还显示实际的数值。这种方法让你可以完全控制标签的格式和内容。

11. 使用Seaborn风格

Seaborn是建立在Matplotlib之上的统计数据可视化库，它提供了一些美观的样式。我们可以使用Seaborn的样式来美化我们的饼图。

import matplotlib.pyplot as plt
import seaborn as sns
import pandas as pd

# 设置Seaborn风格
sns.set_style("whitegrid")

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D', 'E'],
        'Value': [20, 25, 30, 15, 10]}
df = pd.DataFrame(data)

# 创建饼图
plt.figure(figsize=(8, 8))
plt.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%', 
        colors=sns.color_palette("pastel"))
plt.title('How2matplotlib.com: Pie Chart with Seaborn Style')
plt.axis('equal')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

在这个例子中，我们使用sns.set_style("whitegrid")来设置Seaborn的网格样式，并使用sns.color_palette("pastel")来获取一组柔和的颜色。这样可以让你的饼图看起来更加现代和专业。

12. 动态饼图

如果你的数据是动态变化的，你可能想要创建一个动态更新的饼图。这可以通过使用Matplotlib的动画功能来实现。

import matplotlib.pyplot as plt
import matplotlib.animation as animation
import pandas as pd
import numpy as np

# 准备初始数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [25, 25, 25, 25]}
df = pd.DataFrame(data)

# 创建图形和轴
fig, ax = plt.subplots(figsize=(8, 8))

def update(frame):
    # 更新数据
    df['Value'] = np.random.randint(10, 40, size=4)

    # 清除当前轴
    ax.clear()

    # 重新绘制饼图
    ax.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')
    ax.set_title(f'How2matplotlib.com: Dynamic Pie Chart (Frame {frame})')
    ax.axis('equal')

# 创建动画
ani = animation.FuncAnimation(fig, update, frames=50, interval=200, repeat=False)

plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

这个例子创建了一个动态更新的饼图。每200毫秒，update函数会被调用一次，更新数据并重新绘制饼图。这种动态图表特别适合展示实时变化的数据。

13. 3D饼图

虽然2D饼图通常就足够了，但有时你可能想要创建一个3D效果的饼图来增加视觉吸引力。

import matplotlib.pyplot as plt
import pandas as pd
import numpy as np

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [30, 25, 20, 25]}
df = pd.DataFrame(data)

# 创建3D饼图
fig = plt.figure(figsize=(10, 8))
ax = fig.add_subplot(111, projection='3d')

colors = ['#ff9999', '#66b3ff', '#99ff99', '#ffcc99']
angles = np.linspace(0, 2*np.pi, len(df), endpoint=False)
width = 2*np.pi / len(df)

for angle, value, color in zip(angles, df['Value'], colors):
    height = value
    bottom = 3
    ax.bar(angle, height, width, bottom=bottom, color=color, alpha=0.8)

ax.set_title('How2matplotlib.com: 3D Pie Chart')
ax.set_axis_off()

plt.show()

这个例子使用3D柱状图来模拟3D饼图的效果。通过调整视角和颜色，我们可以创建出一个看起来像3D饼图的图表。

14. 带有子图的饼图

有时，你可能需要在同一个图形中展示多个饼图，以便进行比较或展示不同的数据集。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data1 = {'Category': ['A', 'B', 'C', 'D'],
         'Value': [30, 25, 20, 25]}
data2 = {'Category': ['X', 'Y', 'Z'],
         'Value': [40, 35, 25]}

df1 = pd.DataFrame(data1)
df2 = pd.DataFrame(data2)

# 创建带有子图的饼图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

ax1.pie(df1['Value'], labels=df1['Category'], autopct='%1.1f%%')
ax1.set_title('How2matplotlib.com: Dataset 1')

ax2.pie(df2['Value'], labels=df2['Category'], autopct='%1.1f%%')
ax2.set_title('How2matplotlib.com: Dataset 2')

plt.suptitle('Comparison of Two Datasets')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

这个例子展示了如何在一个图形中创建两个并排的饼图。这种方法非常适合比较不同的数据集或展示数据的不同方面。

15. 带有条形图的组合饼图

有时，将饼图与其他类型的图表结合可以提供更全面的数据视图。例如，我们可以将饼图与条形图结合，既显示比例，又显示具体数值。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D', 'E'],
        'Value': [20, 25, 30, 15, 10]}
df = pd.DataFrame(data)

# 创建组合图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 饼图
ax1.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')
ax1.set_title('How2matplotlib.com: Pie Chart')

# 条形图
ax2.bar(df['Category'], df['Value'])
ax2.set_title('How2matplotlib.com: Bar Chart')
ax2.set_ylabel('Value')

plt.suptitle('Pie Chart and Bar Chart Combination')
plt.tight_layout()
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

这个例子创建了一个饼图和条形图的组合。饼图显示了各类别的比例，而条形图则直观地展示了各类别的具体数值。这种组合可以为观众提供更全面的数据理解。

16. 带有数据表的饼图

有时，除了图形化表示外，还需要显示具体的数字。我们可以在饼图旁边添加一个数据表来实现这一点。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [30, 25, 20, 25]}
df = pd.DataFrame(data)

# 创建饼图和数据表
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))

# 饼图
ax1.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')
ax1.set_title('How2matplotlib.com: Pie Chart')

# 数据表
ax2.axis('tight')
ax2.axis('off')
table = ax2.table(cellText=df.values, colLabels=df.columns, loc='center')
table.auto_set_font_size(False)
table.set_fontsize(12)
table.scale(1.2, 1.2)

plt.suptitle('Pie Chart with Data Table')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图

这个例子展示了如何在饼图旁边添加一个数据表。这种方法既提供了直观的比例展示，又给出了精确的数值，适合需要同时展示这两种信息的场景。

17. 带有标注的饼图

有时，你可能想要为饼图的某些部分添加额外的说明或标注。这可以通过使用annotate函数来实现。

import matplotlib.pyplot as plt
import pandas as pd

# 准备数据
data = {'Category': ['A', 'B', 'C', 'D'],
        'Value': [30, 25, 20, 25]}
df = pd.DataFrame(data)

# 创建饼图
fig, ax = plt.subplots(figsize=(10, 8))
wedges, texts, autotexts = ax.pie(df['Value'], labels=df['Category'], autopct='%1.1f%%')

# 添加标注
ax.annotate('Important!', xy=(0.7, 0.7), xytext=(0.8, 0.5),
            arrowprops=dict(facecolor='black', shrink=0.05))

plt.title('How2matplotlib.com: Pie Chart with Annotation')
plt.show()

Output:

Matplotlib：如何使用DataFrame数据创建饼图