异常教程

Matplotlib 饼图（建议收藏）

更新时间:

💡一则或许对你有用的小广告

欢迎加入小哈的星球 ，你将获得：专属的项目实战 / 1v1 提问 / Java 学习路线 / 学习打卡 / 每月赠书 / 社群讨论

  • 新项目:《从零手撸：仿小红书（微服务架构）》 正在持续爆肝中，基于 Spring Cloud Alibaba + Spring Boot 3.x + JDK 17...，点击查看项目介绍 ;
  • 《从零手撸：前后端分离博客项目（全栈开发）》 2 期已完结，演示链接： http://116.62.199.48/ ;

截止目前， 星球 内专栏累计输出 82w+ 字，讲解图 3441+ 张，还在持续爆肝中.. 后续还会上新更多项目，目标是将 Java 领域典型的项目都整一波，如秒杀系统, 在线商城, IM 即时通讯，权限管理，Spring Cloud Alibaba 微服务等等，已有 2900+ 小伙伴加入学习 ，欢迎点击围观

在数据可视化领域，Matplotlib 饼图凭借其直观的展示方式，成为分析数据分布比例的常用工具。无论是展示市场份额、人口结构还是销售占比，饼图都能以简洁的方式将复杂数据转化为易于理解的视觉信息。本文将从零开始，系统讲解如何使用 Matplotlib 绘制和定制饼图，帮助编程初学者快速上手，同时为中级开发者提供进阶技巧。

环境准备与基础概念

安装与导入库

使用 Matplotlib 绘制饼图前，需确保已安装相关依赖库。通过以下命令安装：

pip install matplotlib numpy pandas

在代码中导入库：

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

饼图的核心逻辑

饼图通过扇形区域的面积比例来反映数据占比。其核心逻辑是：

  1. 数据输入：提供数值型数据（如 [25, 35, 40]），表示各部分的数值。
  2. 标签映射：通过 labels 参数将数值与文字标签（如 ['A', 'B', 'C']）关联。
  3. 比例计算：Matplotlib 会自动将数值归一化为百分比，并计算扇形区域的弧度。

比喻：想象将数据看作一块蛋糕，饼图的作用就是将蛋糕按比例切分，并标注每块的名称和大小。

基础语法：绘制第一个饼图

数据准备

假设我们有以下销售数据：

departments = ['Sales', 'Marketing', 'IT']  
revenues = [150000, 80000, 50000]

绘制基础饼图

通过 plt.pie() 函数即可快速生成饼图：

plt.figure(figsize=(8, 6))  
plt.pie(revenues, labels=departments)  
plt.title('Department Revenue Distribution')  
plt.show()

此代码会生成一个简单饼图，但可能缺少关键信息（如百分比）。

定制化设置：提升饼图的可读性

添加百分比显示

通过 autopct 参数格式化数值：

plt.pie(revenues,  
        labels=departments,  
        autopct='%1.1f%%')  # 显示保留一位小数的百分比

效果：每个扇形区域将显示精确的数值占比，例如 42.9%。

调整颜色与突出显示

颜色设置

使用 colors 参数或内置色板（如 plt.cm.tab20）：

colors = ['#ff9999', '#66b3ff', '#99ff99']  
plt.pie(revenues, labels=departments, colors=colors)

突出某部分数据

通过 explode 参数将特定扇形“拉出”：

explode = (0.1, 0, 0)  # 第一个部门（Sales）突出显示  
plt.pie(revenues,  
        labels=departments,  
        explode=explode,  
        autopct='%1.1f%%')

比喻：就像用手指轻轻捏起蛋糕的一角，让重要数据更显眼。

添加图例与标题

plt.pie(revenues, labels=departments, autopct='%1.1f%%')  
plt.title('Department Revenue Distribution', pad=20)  
plt.legend(title="Departments",  
           loc="best",  
           bbox_to_anchor=(1, 0.5))  # 图例放置在右侧

进阶技巧：分层饼图与复杂场景

分层饼图（环形图）

通过调整 wedgeprops 的 width 参数，可创建环形效果：

plt.pie(revenues,  
        labels=departments,  
        autopct='%1.1f%%',  
        wedgeprops={'width': 0.4, 'edgecolor': 'white'})  # 宽度设为0.4，边缘留白

3D 效果与阴影

添加立体感：

from matplotlib import cm  
plt.pie(revenues,  
        labels=departments,  
        autopct='%1.1f%%',  
        shadow=True,  # 添加阴影  
        startangle=90,  # 起始角度设为90度，使饼图垂直  
        explode=(0.1, 0, 0),  
        colors=cm.Pastel1.colors)  
plt.axis('equal')  # 确保饼图正圆

处理多数据集：嵌套饼图

若需展示多层级数据（如部门内细分团队），可叠加饼图：

team_revenues = [80000, 50000, 20000]  
plt.figure(figsize=(10, 8))  

plt.pie(revenues,  
        radius=1.3,  
        labels=departments,  
        wedgeprops=dict(width=0.3, edgecolor='w'))  

plt.pie(team_revenues,  
        radius=1.3 - 0.3,  
        labels=['Team A', 'Team B', 'Team C'],  
        wedgeprops=dict(width=0.3, edgecolor='w'))  

plt.show()

常见问题与解决方案

1. 数据总和超过100%

Matplotlib 会自动归一化数据，但若需手动控制：

normalized_revenues = revenues / sum(revenues) * 100  
plt.pie(normalized_revenues, labels=departments)

2. 标签重叠问题

通过 textprops 调整标签字体大小，或使用 plt.tight_layout()：

plt.pie(revenues,  
        labels=departments,  
        textprops={'fontsize': 10})  # 减小标签字体  
plt.tight_layout()

3. 如何导出高质量图片？

plt.savefig('pie_chart.png',  
            dpi=300,  
            bbox_inches='tight')  # 保存为300dpi的PNG

结论

通过本文的讲解，读者已掌握从基础到进阶的 Matplotlib 饼图 绘制技巧。无论是快速生成简单图表，还是定制复杂分层结构，Matplotlib 提供了丰富的参数和灵活的接口。建议读者通过实际数据练习，逐步探索更多功能（如动画效果、交互式图表）。记住，饼图的核心价值在于清晰传达数据比例关系，合理选择颜色、布局和细节调整，能让图表更具说服力和专业性。

如需进一步优化可视化效果，可结合 Pandas 处理数据，或探索 Seaborn 等高级库，但 Matplotlib 饼图始终是数据可视化的基石工具。期待读者在实践中发现更多可能性！

最新发布

查看更多文章