【Python可视化】Matplotlib绘制专业饼图详解：从基础到高级定制-优快云博客

第五章、使用Matplotlib绘制进阶图形

前言：为什么需要饼图？
基础饼图绘制
- 2.1 快速入门示例
- 2.2 绘制饼图的核心函数语法
高级定制技巧
- 3.1 突出显示关键区块
- 3.2 添加百分比标签
- 3.3 环形图与多层饼图
实战：2001-2019年劳动力与就业人员数据
常见问题与解决方案
总结与扩展学习

1. 前言：为什么需要饼图？

饼图是数据可视化中最直观的图表类型之一，特别适合展示构成比例关系。例如：

电商平台各品类销售额占比
公司各部门预算分配
用户年龄层分布

通过Matplotlib绘制的饼图，我们可以：
1、快速识别主导因素
2、直观对比各部分权重
3、突出关键数据区块

本文将带你从最简单的饼图开始，逐步实现商业报告级可视化效果。

2. 基础饼图绘制

2.1 快速入门示例

import matplotlib.pyplot as plt

labels = ['娱乐', '育儿', '饮食', '房贷', '交通', '其它']
x = [200, 500, 1200, 7000, 200, 900]

# 绘制饼图
plt.pie(x, labels=labels, autopct='%1.1f%%')
# 设置图表标题
plt.title("家庭支出比例")
# 显示图表
plt.show()

2.2 绘制饼图的核心函数语法

函数语法; plt.pie(x, explode=None, labels=None, colors=None, autopct=None, **kwargs, radius = 1)
x：表示各部分的数据值，是绘制饼图的核心数据。
explode：用于突出显示某些部分，是一个与 x 长度相同的数组，值越大，对应的部分突出越明显。
labels：各部分的标签，方便我们识别每个扇形代表的内容。
colors：各部分的颜色，可自定义以增加图表的美观度。
autopct：用于显示各部分所占百分比的格式，如 '%1.1f%%' 表示保留一位小数。
radius: 半径，默认值是1

3. 高级定制技巧

3.1 突出显示关键区块

explode = (0.1, 0, 0, 0)  # 只突出第一个区块
plt.pie(sales, explode=explode, shadow=True)

3.2 添加百分比标签

plt.pie(sales, autopct='%1.1f%%', pctdistance=0.8)

3.3 环形图绘制

plt.pie(sales, wedgeprops={'width':0.3})  # width控制环宽

4. 实战：2001-2019年劳动力与就业人员数据

import numpy as np
import matplotlib.pyplot as plt
data = np.load('2001-2019年劳动力与就业人员数据.npz', encoding='ASCII', allow_pickle=True) 

print(data)
# print(data["arr_0"])
# print(data["arr_1"])

# 绘制 “2019年城乡就业人数柱形图 ”
plt.rcParams['font.sans-serif']=['SimHei']    #解决中文乱码
columns = data['arr_0']  # 提取其中的columns数组，视为数据的标签
values = data['arr_1']  # 提取其中的values数组，视为数据的存在位置

label = ['城镇就业人员', '乡村就业人员']
explode = [0.01, 0.01]  # 设定各项距离圆心偏移0.01个半径在距离
p = plt.figure(figsize=(6, 6), dpi=80)  # 设置画布
plt.pie(values[-1, 3:5], explode=explode, labels=label, autopct='%1.1f%%')
plt.title('2019年城乡就业人数分布饼图')
plt.show()

5. 常见问题与解决方案

1、中文显示为方框？

plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文字体

2、标签重叠怎么办？

调整labeldistance参数
使用bbox_inches='tight'保存

3、如何添加图例？

plt.legend(labels=categories, loc="best")

6. 总结与扩展学习

通过本文你学会了：

基础饼图的6个核心参数
3种高级美化技巧
商业场景实战应用

进阶建议：
➤ 尝试用Pandas直接生成饼图：df.plot.pie()
➤ 学习Seaborn的颜色主题系统
➤ 了解plotly的交互式饼图