python學習之數據分析(二):Matplotlib庫:常用畫圖技巧, 折線圖, 散點圖,柱狀圖,直方圖, 餅圖

一、Matplotlib之HelloWorld

1. 什麼是Matplotlib:

• 專門用於開發2D圖表(包括3D圖表)
• 使用起來及其簡單
• 以漸進、交互式方式實現數據可視化

2. matplotlib的效果:

可視化是在整個數據挖掘的關鍵輔助工具，可以清晰的理解數據，從而調整我們的分析方法。

• 能將數據進行可視化,更直觀的呈現
• 使數據更加客觀、更具說服力

例如下面兩個圖爲數字展示和圖形展示：

3. 實現一個簡單的matplotlib畫圖:

import matplotlib.pyplot as plt

if __name__ == "__main__":
    plt.figure(figsize=(20,8)) # 畫布大小,可以不寫或參數爲空,則使用默認大小
    plt.plot([1,2,3], [4,5,6]) # x軸座標, y軸
    plt.show()

4. matplotlib的圖像結構:三層結構

4.1 容器層:

  容器層主要由Canvas、Figure、Axes組成。
  Canvas是位於最底層的系統層，在繪圖的過程中充當畫板的角色，即放置畫布(Figure)的工具。
  Figure是Canvas上方的第一層，也是需要用戶來操作的應用層的第一層，在繪圖的過程中充當畫布的角色。
  Axes是應用層的第二層，在繪圖的過程中相當於畫布上的繪圖區的角色。

• Figure:指整個圖形(可以通過plt.figure()設置畫布的大小和分辨率等)
• Axes(座標系):數據的繪圖區域
• Axis(座標軸)：座標系中的一條軸，包含大小限制、刻度和刻度標籤

特點爲：

• 一個figure(畫布)可以包含多個axes(座標系/繪圖區)，但是一個axes只能屬於一個figure。
• 一個axes(座標系/繪圖區)可以包含多個axis(座標軸)，包含兩個即爲2d座標系，3個即爲3d座標系
  

4.2 輔助顯示層:

輔助顯示層爲Axes(繪圖區)內的除了根據數據繪製出的圖像以外的內容，主要包括

• Axes外觀(facecolor)
• 邊框線(spines)
• 座標軸(axis)
• 座標軸名稱(axis label)
• 座標軸刻度(tick)
• 座標軸刻度標籤(tick label)
• 網格線(grid)
• 圖例(legend)
• 標題(title)等內容。

該層的設置可使圖像顯示更加直觀更加容易被用戶理解，但又不會對圖像產生實質的影響

4.3 圖像層

圖像層指Axes內通過plot、scatter、bar、histogram、pie等函數根據數據繪製出的圖像。

4.4 總結：

• Canvas（畫板）位於最底層，用戶一般接觸不到
• Figure（畫布）建立在Canvas之上
• Axes（繪圖區）建立在Figure之上
• 座標軸（axis）、圖例（legend）等輔助顯示層以及圖像層都是建立在Axes之上

二、折線圖(plot)與基礎繪圖功能:

1.折線圖繪製與保存圖片:

爲了更好地理解所有基礎繪圖功能，我們通過天氣溫度變化的繪圖來融合所有的基礎API使用
matplotlib.pyplot模塊
matplotlib.pytplot包含了一系列類似於matlab的畫圖函數。 它的函數作用於當前圖形(figure)的當前座標系(axes)。

import matplotlib.pyplot as plt

2 折線圖繪製與顯示

展現上海一週的天氣,比如從星期一到星期日的天氣溫度如下

# 1）創建畫布(容器層)
plt.figure()
# 2）繪製折線圖(圖像層)
plt.plot([1, 2, 3, 4, 5, 6 ,7], [17, 17, 18, 15, 11, 11, 13])
# 3）顯示圖像
plt.show()

3 設置畫布屬性與圖片保存:

plt.figure(figsize=(), dpi=)
    figsize:指定圖的長寬
    dpi:圖像的清晰度
    返回fig對象
plt.savefig(path)

# 1）創建畫布，並設置畫布屬性
plt.figure(figsize=(20, 8), dpi=80)
# 2）保存圖片到指定路徑
plt.savefig("test.png")

注意：plt.show()會釋放figure資源，如果在顯示圖像之後保存圖片將只能保存空圖片。

4. 案例：顯示溫度變化狀況:

需求：畫出某城市11點到12點1小時內每分鐘的溫度變化折線圖，溫度範圍在15度~18度

效果：

4.1 準備數據並畫出初始折線圖

import random
import matplotlib.pyplot as plt

# 生成溫度數據
x = range(60)
shanghai = [random.uniform(15,18) for _ in x]
plt.figure(figsize=(10,4), dpi=80)
# 繪製圖形
plt.plot(x,shanghai)
plt.xticks(x_value, [f"11:{i}" for i in x_value])

# 顯示圖像
plt.show()

4.2 添加自定義x,y刻度:

• plt.xticks(x, **kwargs)
  x:要顯示的刻度值

• plt.yticks(y, **kwargs)
  y:要顯示的刻度值

# 生成溫度數據
x = range(60)
shanghai = [random.uniform(15,18) for _ in x]

plt.figure(figsize=(10,4), dpi=80)
# 繪製圖形
plt.plot(x,shanghai)
# 設置輔助顯示層
plt.yticks(range(0, 41)[::5])
x_value = x[::5]
plt.xticks(x_value, [f"11:{i}" for i in x_value])

# 顯示圖像
plt.show()

4.3 中文顯示問題解決

下載中文字體（黑體，看準系統版本）

下載 SimHei 字體（或者其他的支持中文顯示的字體也行）
1） 安裝字體

• windows和mac下：雙擊安裝
• linux下：拷貝字體到 usr/share/fonts 下：

sudo cp ~/SimHei.ttf /usr/share/fonts/SimHei.ttf

注）Linux如果用ubantu也可以通過雙擊安裝

2） 刪除matplotlib緩存文件
Mac系統的解決方案：

• 刪除~/.matplotlib中的緩存文件

cd ~/.matplotlib
rm -r *

Linux系統的解決方案

• 刪除~/.cache/matplotlib中的緩存文件

cd ~/.cache/matplotlib
rm -r *

• 3） 修改配置文件matplotlibrc
  Mac系統的解決方案：
• 修改配置文件matplotlibrc

vi ~/.matplotlib/matplotlibrc

將文件內容修改爲：

font.family         : sans-serif
font.sans-serif         : SimHei
axes.unicode_minus  : False

Linux系統的解決方案
修改配置文件

sudo find -name matplotlibrc

返回結果：

./.virtualenvs/ai/lib/python3.5/site-packages/matplotlib/mpl-data/matplotlibrc

打開配置文件：

vi ./.virtualenvs/ai/lib/python3.5/site-packages/matplotlib/mpl-data/matplotlibrc

將配置文件中下面3項改爲如下所示：

font.family         : sans-serif
font.sans-serif         : SimHei
axes.unicode_minus  : False

4.3 添加標題, 描述信息顯示:

• plt.title(str_title, fontsize=20)# 添加標題並設置字體大小
• plt.xlabel(str_xlabel, color=‘r’,fontsize=16) # 添加X軸標題並設置字體大小
• plt.ylabel(str_xlabel, color=‘r’,fontsize=16)
  

4.4 添加網格顯示

爲了更加清楚地觀察圖形對應的值

• plt.grid(True, linestyle=’–’, alpha=0.5)
  
  常見的顏色及風格字符:

顏色字符	風格字符
r 紅色	- 實線
g 綠色	- - 虛線
b 藍色	-. 點劃線
w 白色	: 點虛線
c 青色	’ ’ 留空、空格
m 洋紅
y 黃色
k 黑色

4.5 再添加一個城市的溫度變化

設置顯示圖例:

plt.legend(loc="best")

location string	location Code
“best”	0
“upper right”	1
“upper left”	2
“lower left”	3
“lower right”	4
“right”	5
“center left”	6
“center right”	7
“lower center”	8
“upper center”	9
“center”	10

1. 繪製圖形的時候需要設置圖形標題label;
2. 設置圖例顯示說明的位置;

# 生成溫度數據
x = range(60)
shanghai = [random.uniform(15,18) for _ in x]
beijing = [random.uniform(5,8) for _ in x]
plt.figure(figsize=(10,4), dpi=80)
# 繪製圖形
plt.plot(x,shanghai,label="上海")
plt.plot(x,beijing, label="北京")
# 設置x,y軸的顯示
plt.yticks(range(0, 41)[::5])
x_value = x[::5]
plt.xticks(x_value, [f"11點{i}" for i in x_value])
# 設置圖像標題和描述信息
plt.title("溫度變化", fontsize=20)# 添加標題並設置字體大小
plt.xlabel("時間", color='r',fontsize=16)
plt.ylabel("溫度", color='r',fontsize=16)
# 繪製網格
plt.grid(True, linestyle='--', alpha=0.5)
# 設置顯示圖例說明
plt.legend(loc=1)

# 顯示圖像
plt.show()

4.6 多個座標系顯示-plt.subplots(面向對象的畫圖方法)

如果我們想要將上海和北京的天氣圖顯示在同一個圖的不同座標系當中，效果如下

可以通過subplots函數實現(舊的版本中有subplot，使用起來不方便)，推薦subplots函數

• matplotlib.pyplot.subplots(nrows=1, ncols=1, **fig_kw) 創建一個帶有多個axes(座標系/繪圖區)的圖

Parameters:    

nrows, ncols : int, optional, default: 1, Number of rows/columns of the subplot grid.
**fig_kw : All additional keyword arguments are passed to the figure() call.

Returns:    
fig : 圖對象
ax : 
    設置標題等方法不同：
    set_xticks
    set_yticks
    set_xlabel
    set_ylabel

關於axes子座標系的更多方法：參考https://matplotlib.org/api/axes_api.html#matplotlib.axes.Axes

• 注意：plt.函數名()相當於面向過程的畫圖方法，axes.set_方法名()相當於面向對象的畫圖方法。
  代碼實現:

# 生成溫度數據
x = range(60)
shanghai = [random.uniform(15,18) for _ in x]
beijing = [random.uniform(5,8) for _ in x]

# 1.創建畫布
fig,axes = plt.subplots(nrows=1,ncols=2,figsize=(20,8),dpi=80)

# 2.繪製圖形
shanghai_plot = axes[0]
beijing_plot = axes[1]
shanghai_plot.plot(x,shanghai,label="上海")
beijing_plot.plot(x,beijing, label="北京")

# 3.設置輔助顯示
shanghai_plot.set_title("上海溫度變化", fontsize=20)# 添加標題並設置字體大小
beijing_plot.set_title("北京溫度變化", fontsize=20)
x_value = x[::5]
for axe in axes:
    axe.set_xlabel("時間", color='r',fontsize=16)# 添加描述信息
    axe.set_ylabel("溫度", color='r',fontsize=16)# 添加描述信息
    # 設置說明
    axe.set_yticks(range(0, 41)[::5])
    axe.set_xticks(x_value, [f"11點{i}" for i in x_value])
    # 設置網格
    axe.grid(True, linestyle='--', alpha=0.5)
    #  設置顯示圖例說明
    axe.legend(loc=1)

4.7 折線圖的應用場景

• 呈現公司產品(不同區域)每天活躍用戶數
• 呈現app每天下載數量
• 呈現產品新功能上線後,用戶點擊次數隨時間的變化
• 拓展：畫各種數學函數圖像
  注意：plt.plot()除了可以畫折線圖，也可以用於畫各種數學函數圖像

...
import numpy as np

# 得到等間隔的數據
data = np.linspace(-10,10,10000)
# 繪製圖形
plt.figure(figsize=(20,8), dpi=100)
x = data
y = np.sin(x)
plt.plot(x,y)
plt.show()

二、散點圖(scatter):

Matplotlib能夠繪製折線圖、散點圖、柱狀圖、直方圖、餅圖。

1.常見圖形種類及意義

• 折線圖：以折線的上升或下降來表示統計數量的增減變化的統計圖
  特點：能夠顯示數據的變化趨勢，反映事物的變化情況。(變化)
  
• 散點圖：用兩組數據構成多個座標點，考察座標點的分佈,判斷兩變量之間是否存在某種關聯或總結座標點的分佈模式。
  特點：判斷變量之間是否存在數量關聯趨勢,展示離羣點(分佈規律)
  
• 柱狀圖：排列在工作表的列或行中的數據可以繪製到柱狀圖中。
  特點：繪製連離散的數據,能夠一眼看出各個數據的大小,比較數據之間的差別。(統計/對比)
  
• 直方圖：由一系列高度不等的縱向條紋或線段表示數據分佈的情況。 一般用橫軸表示數據範圍，縱軸表示分佈情況。
  特點：繪製連續性的數據展示一組或者多組數據的分佈狀況(統計)
  
• 餅圖：用於表示不同分類的佔比情況，通過弧度大小來對比各種分類。
  特點：分類數據的佔比情況(佔比)
  

2 散點圖繪製

需求：探究房屋面積和房屋價格的關係

房屋面積數據：

x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]

房屋價格:

y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

import matplotlib.pyplot as plt

# 準備數據
# 房屋面積數據
x = [225.98, 247.07, 253.14, 457.85, 241.58, 301.01,  20.67, 288.64,
       163.56, 120.06, 207.83, 342.75, 147.9 ,  53.06, 224.72,  29.51,
        21.61, 483.21, 245.25, 399.25, 343.35]
# 房屋價格:
y = [196.63, 203.88, 210.75, 372.74, 202.41, 247.61,  24.9 , 239.34,
       140.32, 104.15, 176.84, 288.23, 128.79,  49.64, 191.74,  33.1 ,
        30.74, 400.02, 205.35, 330.64, 283.45]

# 創建畫布
plt.figure(figsize=(20,8), dpi=100)
# 創建散點圖
plt.scatter(x,y)

# 添加輔助層
# 設置間距
plt.xticks(range(int(max(x))+1)[::10])
plt.yticks(range(int(max(y))+1)[::20])
# 圖表標題與
plt.title("房價與面積的關係", fontsize=22)
plt.xlabel("面積(m²)", fontsize=18,color="r")
plt.ylabel("價格(元)",fontsize=18, color='r')
# 顯示網格
plt.grid(True, linestyle="--", alpha=0.5)

# 顯示圖像
plt.show()

應用場景

• 探究不同變量之間的內在關係

三、柱狀圖(bar)

1.柱狀圖繪製:

matplotlib.pyplot.bar(x, width, align='center', **kwargs)

Parameters:    
x : sequence of scalars.

width : scalar or array-like, optional
柱狀圖的寬度

align : {‘center’, ‘edge’}, optional, default: ‘center’
Alignment of the bars to the x coordinates:
‘center’: Center the base on the x positions.
‘edge’: Align the left edges of the bars with the x positions.
每個柱狀圖的位置對齊方式

**kwargs :
color:選擇柱狀圖的顏色

Returns:    
`.BarContainer`
Container with all the bars and optionally errorbars.

需求1-對比每部電影的票房收入

['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','全球風暴', '降魔傳','追捕','七十七天','密戰','狂獸','其它']
[73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

代碼實現:

import matplotlib.pyplot as plt
# 導入數據
title = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','全球風暴', '降魔傳','追捕','七十七天','密戰','狂獸','其它']
box_income = [73853,57767,22354,15969,14839,8725,8716,8318,7916,6764,52222]

# 繪製圖像
plt.figure(figsize=(20,8), dpi=80)
plt.bar(title, box_income, width=0.5, color=['b','r','g','y','c','m','y','k','c','g','b'])
# 輔助層
plt.yticks(range(max(box_income))[::5000])
plt.xlabel("電影名稱", fontsize=20, color='r')
plt.ylabel("票房收入(萬元)", fontsize=20, color='r')
plt.title("x月電影票房統計", fontsize=26, color='c')
plt.grid(True, linestyle='--', alpha=0.5)
# 顯示圖像
plt.show()

需求2-如何對比電影票房收入才更能加有說服力？

比較相同天數的票房
有時候爲了公平起見，需要對比不同電影首日和首周的票房
1 準備數據

movie_name = ['雷神3：諸神黃昏','正義聯盟','尋夢環遊記']

first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]

數據來源: https://piaofang.maoyan.com/?ver=normal

2 繪製

• 添加首日首周兩部分的柱狀圖
• x軸中文座標位置調整
  代碼實現:

...
movie_name = ['雷神3：諸神黃昏','正義聯盟','尋夢環遊記']

first_day = [10587.6,10062.5,1275.7]
first_weekend=[36224.9,34479.6,11830]

# 繪製圖像
x = range(len(movie_name))
plt.bar(x, first_day, width=0.2, label="首日票房" )
plt.bar([i+0.2 for i in x],first_weekend, width=0.2,label="首周票房")

# 說明
plt.xticks(x,movie_name)
# 顯示圖例
plt.legend()

# 顯示圖像
plt.show()

柱狀圖應用場景
適合用在分類數據對比場景上

• 數量統計
• 用戶數量對比分析

四、直方圖:

1 直方圖介紹

直方圖，形狀類似柱狀圖卻有着與柱狀圖完全不同的含義。直方圖牽涉統計學的概念，首先要對數據進行分組，然後統計每個分組內數據元的數量。 在座標系中，橫軸標出每個組的端點，縱軸表示頻數，每個矩形的高代表對應的頻數，稱這樣的統計圖爲頻數分佈直方圖。
相關概念：

• 組數：在統計數據時，我們把數據按照不同的範圍分成幾個組，分成的組的個數稱爲組數
• 組距：每一組兩個端點的差
  

2 直方圖與柱狀圖的對比

• 柱狀圖是以矩形的長度表示每一組的頻數或數量，其寬度(表示類別)則是固定的，利於較小的數據集分析。
• 直方圖是以矩形的長度表示每一組的頻數或數量，寬度則表示各組的組距，因此其高度與寬度均有意義，利於展示大量數據集的統計結果。
• 由於分組數據具有連續性，直方圖的各矩形通常是連續排列，而柱狀圖則是分開排列

3 直方圖繪製

需求：電影時長分佈狀況
現有250部電影的時長，希望統計出這些電影時長的分佈狀態(比如時長爲100分鐘到120分鐘電影的數量，出現的頻率)等信息，你應該如何呈現這些數據？

數據：

time = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

1. 直方圖繪製api

matplotlib.pyplot.hist(x, bins=None, normed=None, **kwargs)

Parameters:    
x : (n,) array or sequence of (n,) arrays

bins : integer or sequence or ‘auto’, optional
組數

2. 繪製:

• 設置組距
• 設置組數（通常對於數據較少的情況，分爲5~12組，數據較多，更換圖形顯示方式）
  • 通常設置組數會有相應公式：組數 = 極差/組距= (max-min)/bins

代碼實現:

import matplotlib.pyplot as plt
# 準備數據
time_ = [131,  98, 125, 131, 124, 139, 131, 117, 128, 108, 135, 138, 131, 102, 107, 114, 119, 128, 121, 142, 127, 130, 124, 101, 110, 116, 117, 110, 128, 128, 115,  99, 136, 126, 134,  95, 138, 117, 111,78, 132, 124, 113, 150, 110, 117,  86,  95, 144, 105, 126, 130,126, 130, 126, 116, 123, 106, 112, 138, 123,  86, 101,  99, 136,123, 117, 119, 105, 137, 123, 128, 125, 104, 109, 134, 125, 127,105, 120, 107, 129, 116, 108, 132, 103, 136, 118, 102, 120, 114,105, 115, 132, 145, 119, 121, 112, 139, 125, 138, 109, 132, 134,156, 106, 117, 127, 144, 139, 139, 119, 140,  83, 110, 102,123,107, 143, 115, 136, 118, 139, 123, 112, 118, 125, 109, 119, 133,112, 114, 122, 109, 106, 123, 116, 131, 127, 115, 118, 112, 135,115, 146, 137, 116, 103, 144,  83, 123, 111, 110, 111, 100, 154,136, 100, 118, 119, 133, 134, 106, 129, 126, 110, 111, 109, 141,120, 117, 106, 149, 122, 122, 110, 118, 127, 121, 114, 125, 126,114, 140, 103, 130, 141, 117, 106, 114, 121, 114, 133, 137,  92,121, 112, 146,  97, 137, 105,  98, 117, 112,  81,  97, 139, 113,134, 106, 144, 110, 137, 137, 111, 104, 117, 100, 111, 101, 110,105, 129, 137, 112, 120, 113, 133, 112,  83,  94, 146, 133, 101,131, 116, 111,  84, 137, 115, 122, 106, 144, 109, 123, 116, 111,111, 133, 150]

# 畫布
plt.figure(figsize=(20,8),dpi=100)
# 設置組距
distance = 2
# 計算組數
group_num = int((max(time_)-min(time_))//distance)
# 繪製
plt.hist(time_, bins=group_num)
# 顯示刻度
plt.xticks(range(min(time_), max(time_))[::2])

# 添加說明xinxi
plt.ylabel("電影數量", fontsize=20)
plt.xlabel("電影時長(小時)", fontsize=20)
plt.title("250部電影時長分佈",fontsize=24)
plt.grid(True, linestyle="--", alpha=0.5)

# 顯示圖像
plt.show()

4. 直方圖的應用場景

例如：用戶年齡分佈，商品價格分佈

• 用於表示分佈情況
• 通過直方圖還可以觀察和估計哪些數據比較集中，異常或者孤立的數據分佈在何處

五、餅圖(pie)

1.餅圖介紹

餅圖廣泛得應用在各個領域，用於表示不同分類的佔比情況，通過弧度大小來對比各種分類。餅圖通過將一個圓餅按照分類的佔比劃分成多個區塊，整個圓餅代表數據的總量，每個區塊（圓弧）表示該分類佔總體的比例大小，所有區塊（圓弧）的加和等於 100%。

2.餅圖繪製

需求：顯示不同的電影的排片佔比
電影排片：

效果：

數據：

movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']

place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

3.餅圖api介紹

注意顯示的百分比的位數

plt.pie(x, labels=,autopct=,colors)
x:數量，自動算百分比
labels:每部分名稱
autopct:佔比顯示指定%1.2f%%
colors:每部分顏色

代碼實現:

import matplotlib.pyplot asplt

# 準備數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]

# 繪製圖像
plt.figure(figsize=(20, 8), dpi=100)
plt.pie(place_count, labels=movie_name,autopct="%1.2f%%",colors=['b','r','g','y','c','m','y','c','g','y'])
# 顯示圖例
plt.legend()
# 添加標題
plt.title("電影排片佔比")
# 規定爲正圓
plt.axis('equal')

# 顯示圖像
plt.show()

4.增加陰影和破裂效果

添加explode屬性

# 準備數據
movie_name = ['雷神3：諸神黃昏','正義聯盟','東方快車謀殺案','尋夢環遊記','全球風暴','降魔傳','追捕','七十七天','密戰','狂獸','其它']
place_count = [60605,54546,45819,28243,13270,9945,7679,6799,6101,4621,20105]
explode = (0.1, 0, 0.1, 0, 0, 0, 0, 0, 0, 0, 0)

# 繪製圖像
plt.figure(figsize=(20, 8), dpi=100)
plt.pie(place_count, labels=movie_name,explode=explode,autopct="%1.2f%%",colors=['b','r','g','y','c','m','y','c','g','y'])
# 顯示圖例
plt.legend()
# 添加標題
plt.title("電影排片佔比")
# 規定爲正圓
plt.axis('equal')

# 顯示圖像
plt.show()

5.餅圖應用場景

• 分類的佔比情況（不超過9個分類）
  例如：班級男女分佈佔比，公司銷售額佔比

六、總結