欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python數據可視化之環(huán)形圖

 更新時間：2022年01月26日 17:15:58   作者：趙卓不凡?  
這篇文章主要介紹了Python數據可視化之環(huán)形圖，主要使用兩種不同的方式來可視化環(huán)形圖，并均給出了完整的代碼示例。需要的朋友可以參考一下，希望對你的工作和學習有所幫助

1.引言

環(huán)形圖（圓環(huán)）在功能上與餅圖相同，整個環(huán)被分成不同的部分，用各個圓弧來表示每個數據所占的比例值。但其中心的空白可用于顯示其他相關數據展示，相比于標準餅圖提供了更豐富的數據信息輸出。

在本文中，我們將介紹 Matplolib中繪制圓環(huán)圖的兩種方法。使用餅圖和參數wedgeprops 的簡單方法，以及使用極軸和水平條形圖的復雜方法。

2.方式一：餅圖形式

在 Matplotlib 中沒有繪制圓環(huán)圖的直接方法，但我們可以使用餅圖中的參數wedgeprops來快速地將餅圖轉換為環(huán)形圖。

首先我們先來畫一個簡單的餅圖：

import matplotlib.pyplot as plt
plt.pie([87,13], startangle=90, colors=['#5DADE2', '#515A5A'])
plt.show()

結果如下：

接著我們添加參數wedgeprops 并定義環(huán)形圖邊緣的寬度,代碼如下：

fig, ax = plt.subplots(figsize=(6, 6))
?
ax.pie([87,13],?
? ? ? ?wedgeprops={'width':0.3},?
? ? ? ?startangle=90,?
? ? ? ?colors=['#5DADE2', '#515A5A'])
plt.show()

結果如下：

這很簡單。現(xiàn)在我們可以使用中心的空間來使我們的數據更加明顯。

代碼如下：

fig, ax = plt.subplots(figsize=(6, 6))
wedgeprops = {'width':0.3, 'edgecolor':'black', 'linewidth':3}
ax.pie([87,13], wedgeprops=wedgeprops, startangle=90, colors=['#5DADE2', '#515A5A'])
plt.title('Worldwide Access to Electricity', fontsize=24, loc='left')
plt.text(0, 0, "87%", ha='center', va='center', fontsize=42)
plt.text(-1.2, -1.2, "Source: ourworldindata.org/energy-access", ha='left', va='center', fontsize=12)
plt.show()

結果如下：

當我們有一個簡單的比較需要顯示時，圓環(huán)圖特別有用。在我看來，使用它們的最佳方式是像一個圓形進度條，比如我們有一個單一的比例要突出顯示的例子。

當然，我們可以進一步簡化上圖圖表。

代碼如下：

fig, ax = plt.subplots(figsize=(6, 6))
data = [87, 13]
wedgeprops = {'width':0.3, 'edgecolor':'black', 'lw':3}
patches, _ = ax.pie(data, wedgeprops=wedgeprops, startangle=90, colors=['#5DADE2', 'white'])
patches[1].set_zorder(0)
patches[1].set_edgecolor('white')
plt.title('Worldwide Access to Electricity', fontsize=24, loc='left')
plt.text(0, 0, f"{data[0]}%", ha='center', va='center', fontsize=42)
plt.text(-1.2, -1.3, "Source: ourworldindata.org/energy-access", ha='left', va='top', fontsize=12)
plt.show()

結果如下：

3.方式二：條形圖形式

盡管此解決方案比前一個解決方案更復雜，但它為定制提供了一些令人興奮的選項。

我們還是從一個簡單的例子開始，代碼如下：

from math import pi
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw={'projection':'polar'})
data = 87?
startangle = 90
x = (data * pi *2)/ 100 # convert x data from percentage
left = (startangle * pi *2)/ 360 # convert start from angle
ax.barh(1, x, left=left, height=1, color='#5DADE2')
plt.ylim(-3, 3)
plt.show()

結果如下：

接著我們來處理角度，我們必須先轉換每個元素的 x 坐標，然后再將其添加到軸上。

代碼如下：

from math import pi
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw={'projection':'polar'})
data = 87
startangle = 90
x = (data * pi *2)/ 100
left = (startangle * pi *2)/ 360 #this is to control where the bar starts
plt.xticks([])
plt.yticks([])
ax.spines.clear()
ax.barh(1, x, left=left, height=1, color='#5DADE2')?
plt.ylim(-3, 3)
plt.text(0, -3, "87%", ha='center', va='center', fontsize=42)
plt.show()

結果如下：

使用此方法我們也達到了上述同樣的效果；當然此時我們添加多個進度條、定義它們之間的距離來使得可視化效果更加豐富。

代碼如下：

from math import pi
import numpy as np
from matplotlib.patches import Patch
from matplotlib.lines import Line2D
fig, ax = plt.subplots(figsize=(6, 6))
ax = plt.subplot(projection='polar')
data = [82, 75, 91]
startangle = 90
colors = ['#4393E5', '#43BAE5', '#7AE6EA']
xs = [(i * pi *2)/ 100 for i in data]
ys = [-0.2, 1, 2.2]
left = (startangle * pi *2)/ 360 #this is to control where the bar starts
# plot bars and points at the end to make them round
for i, x in enumerate(xs):
? ? ax.barh(ys[i], x, left=left, height=1, color=colors[i])
? ? ax.scatter(x+left, ys[i], s=350, color=colors[i], zorder=2)
? ? ax.scatter(left, ys[i], s=350, color=colors[i], zorder=2)
? ??
plt.ylim(-4, 4)
# legend
legend_elements = [Line2D([0], [0], marker='o', color='w', label='Group A', markerfacecolor='#4393E5', markersize=10),
? ? ? ? ? ? ? ? ? Line2D([0], [0], marker='o', color='w', label='Group B', markerfacecolor='#43BAE5', markersize=10),
? ? ? ? ? ? ? ? ? Line2D([0], [0], marker='o', color='w', label='Group C', markerfacecolor='#7AE6EA', markersize=10)]
ax.legend(handles=legend_elements, loc='center', frameon=False)
# clear ticks, grids, spines
plt.xticks([])
plt.yticks([])
ax.spines.clear()
plt.show()

結果如下：

到此這篇關于Python數據可視化之環(huán)形圖的文章就介紹到這了,更多相關Python數據可視化環(huán)形圖內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

相關文章

  • python如何將圖片生成視頻MP4

    python如何將圖片生成視頻MP4

    這篇文章主要介紹了python如何將圖片生成視頻MP4問題，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
    2023-03-03
  • django中上傳圖片分頁三級聯(lián)動效果的實現(xiàn)代碼

    django中上傳圖片分頁三級聯(lián)動效果的實現(xiàn)代碼

    這篇文章主要介紹了django中上傳圖片分頁三級聯(lián)動效果的實現(xiàn)代碼，非常不錯，具有一定的參考借鑒價值，需要的朋友參考下吧
    2019-08-08
  • Python常用配置文件ini、json、yaml讀寫總結

    Python常用配置文件ini、json、yaml讀寫總結

    用的配置文件格式有ini、json、yaml等，下面簡單給大家介紹下，Python如何讀寫這幾種格式的文件，對Python讀寫ini、json、yaml配置文件相關知識感興趣的朋友一起看看吧
    2021-07-07
  • python的numpy模塊安裝不成功簡單解決方法總結

    python的numpy模塊安裝不成功簡單解決方法總結

    這篇文章主要介紹了python的numpy模塊安裝不成功簡單解決方法總結，分享了四種python模塊導入不成功的解決方法，具有一定借鑒價值，需要的朋友可以參考下。
    2017-12-12
  • Python使用import導入本地腳本及導入模塊的技巧總結

    Python使用import導入本地腳本及導入模塊的技巧總結

    這篇文章主要介紹了Python使用import導入本地腳本及導入模塊的技巧,結合實例形式總結分析了Python使用import導入本地腳本及導入模塊的使用方法及相關操作注意事項,需要的朋友可以參考下
    2019-08-08
  • 使用python?pywin32模塊創(chuàng)建windows服務實例探究

    使用python?pywin32模塊創(chuàng)建windows服務實例探究

    這篇文章主要為大家介紹了使用python?pywin32模塊創(chuàng)建windows服務實現(xiàn)實例探究,有需要的朋友可以借鑒參考下,希望能夠有所幫助,祝大家多多進步,早日升職加薪
    2024-01-01
  • Python中sklearn實現(xiàn)交叉驗證示例分析

    Python中sklearn實現(xiàn)交叉驗證示例分析

    這篇文章主要介紹了Python中sklearn實現(xiàn)交叉驗證,本文python的版本為3.8，各個版本之間函數名字略有不同，但是原理都是一樣的，集成開發(fā)環(huán)境使用的是Anaconda的Spyder，需要的朋友可以參考下
    2023-08-08
  • Python利用FlashText算法實現(xiàn)替換字符串

    Python利用FlashText算法實現(xiàn)替換字符串

    FlashText算法是由?Vikash?Singh?于2017年發(fā)表的大規(guī)模關鍵詞替換算法，比正則表達式替換快M倍以上，這個M是需要替換的關鍵詞數量，關鍵詞越多，F(xiàn)lashText算法的優(yōu)勢就越明顯。本文將詳細這一算法，需要的可以參考一下
    2022-03-03
  • Python實現(xiàn)基于標記的分水嶺分割算法

    Python實現(xiàn)基于標記的分水嶺分割算法

    分水嶺技術是一種眾所周知的分割算法，特別適用于提取圖片中的相鄰或重疊對象。本文將用Python實現(xiàn)基于標記的分水嶺分割算法，感興趣的可以了解一下
    2022-07-07
  • Python?pass函數使用及其應用的詳解

    Python?pass函數使用及其應用的詳解

    Python中，pass是一種空語句，即不做任何事情，只起到占位符的作用，本文主要介紹了Python?pass函數使用及其應用的詳解，文中通過示例代碼介紹的非常詳細，需要的朋友們下面隨著小編來一起學習學習吧
    2023-07-07

最新評論