餅圖，或稱餅狀圖，是一個劃分為幾個扇形的圓形統(tǒng)計圖表。

在餅圖中，每個扇形的弧長（以及圓心角和面積）大小，表示該種類占總體的比例，且這些扇形合在一起剛好是一個完全的圓形。

餅圖最顯著的功能在于表現(xiàn)“占比”。

習(xí)慣上，人們通過比較餅圖扇形的大小來獲得對數(shù)據(jù)的認(rèn)知。

使用餅圖時，須確認(rèn)各個扇形的數(shù)據(jù)加起來等于100%；

且避免扇區(qū)超過5個，扇形的排布順序，一般情況下，將最大的扇形放在12點鐘方向。

1. 主要元素

餅圖的主要元素包括：

• 餅片（扇形）：餅圖由多個餅片組成，每個餅片的大小代表了對應(yīng)部分在總體中的比例關(guān)系。
• 標(biāo)簽：餅圖中的每個餅片通常都會有一個標(biāo)簽，用于表示對應(yīng)部分的具體名稱或者數(shù)值。
• 圖例：圖例是餅圖的一部分，用于解釋每個餅片所代表的含義，幫助觀察者理解圖表。
• 百分比：餅圖通常會顯示每個餅片所占的百分比，以便更直觀地展示比例關(guān)系。

2. 適用的場景

餅圖適用的場景包括：

• 比例展示：展示一個總體中各個部分的比例關(guān)系，例如市場份額、人口比例等。
• 分類數(shù)據(jù)：展示分類數(shù)據(jù)的比例關(guān)系，例如某個產(chǎn)品的銷售額占比、不同地區(qū)的人口分布等。
• 簡單數(shù)據(jù)分析：簡單的數(shù)據(jù)分析，幫助觀察者快速了解數(shù)據(jù)的分布情況和相對大小。
• 強(qiáng)調(diào)重點：突出某個部分的重要性，引起觀察者的注意，例如某個產(chǎn)品的關(guān)鍵特點或者某個地區(qū)的重要經(jīng)濟(jì)指標(biāo)。

3. 不適用的場景

餅圖不適用的場景包括：

• 多個分類變量：當(dāng)數(shù)據(jù)包含多個分類變量時，餅圖可能會變得復(fù)雜和難以理解，不適合展示復(fù)雜的關(guān)系。
• 數(shù)據(jù)過于細(xì)分：當(dāng)數(shù)據(jù)被分成過多的小塊時，餅圖可能會變得擁擠和難以辨認(rèn)，不適合展示細(xì)分?jǐn)?shù)據(jù)。
• 數(shù)據(jù)差異較?。寒?dāng)各個部分的差異較小，比例接近時，餅圖可能無法清晰地展示差異，不適合展示相似的數(shù)據(jù)。
• 需要精確數(shù)值比較：餅圖通常只能展示相對比例關(guān)系，無法提供精確的數(shù)值比較，不適合需要準(zhǔn)確數(shù)值的場景。

4. 分析實戰(zhàn)

本次用餅圖統(tǒng)計展示 不同人口規(guī)模的城市數(shù)量 的統(tǒng)計情況。

4.1. 數(shù)據(jù)來源

數(shù)據(jù)來自國家統(tǒng)計局公開的城市概況數(shù)據(jù)，可從下面的網(wǎng)址下載：databook.top/nation/A0B

使用其中的 A0B01.csv 文件（分機(jī)構(gòu)類型法人單位數(shù)）

fp = "d:/share/A0B01.csv"
df = pd.read_csv(fp)
df

4.2. 數(shù)據(jù)清理

最新的2022年數(shù)據(jù)缺失較多，所以選取2021年的數(shù)據(jù)進(jìn)行分析。

data = df[df["sj"] == 2021]
data

第一條數(shù)據(jù)全部城市情況，統(tǒng)計需要去除，另外，指標(biāo)的名稱太長，統(tǒng)計前也可以調(diào)整下。

接著上面過濾后的數(shù)據(jù)繼續(xù)數(shù)據(jù)清洗：

data = data.reset_index() # 重置索引
data = data.iloc[1:]  # 忽略第一條合計的數(shù)據(jù)
#調(diào)整指標(biāo)名稱，刪除多余的文字
data["zbCN"] = data["zbCN"].str.replace("城市市轄區(qū)年末總", "")
data["zbCN"] = data["zbCN"].str.replace("地級及以上", "")
data

最后得到的數(shù)據(jù)有6條，餅圖一般來說數(shù)據(jù)不要超過5個，6個也還行，再多就影響顯示效果了。

4.3. 分析結(jié)果可視化

with plt.style.context("seaborn-v0_8"):
    fig = plt.figure()
    ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
    ax.pie(data["value"], autopct="%1.1f%%")
    ax.legend(
        data["zbCN"].tolist(),
        loc="center",
        bbox_to_anchor=(1, 0, 0.5, 1),
    )

從分析結(jié)果可看出，50萬~200萬人口的城市超過一半，是大多數(shù)的城市規(guī)模。

兩端的情況（人口20萬以下，或者400萬以上）的城市占比最小。

到此這篇關(guān)于matplotlib實戰(zhàn)之餅圖繪制詳解的文章就介紹到這了,更多相關(guān)matplotlib餅圖內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論