Matplotlib 可视化大师系列博客总览

本系列旨在提供一份系统、全面、深入的 Matplotlib 学习指南。以下是博客列表：

1. 基础篇： plt.plot() - 绘制折线图的利刃
2. 分布篇： plt.scatter() - 探索变量关系的散点图
3. 比较篇： plt.bar() 与 plt.barh() - 清晰对比的柱状图
4. 统计篇： plt.hist() 与 plt.boxplot() - 洞察数据分布
5. 占比篇： plt.pie() - 展示组成部分的饼图
6. 高级篇： plt.imshow() - 绘制矩阵与图像的强大工具
7. 专属篇： 绘制误差线 (plt.errorbar())、等高线 (plt.contour()) 等特殊图表
8. 综合篇： 在一张图中组合多种图表类型

Matplotlib 可视化大师系列（五）：plt.pie() - 展示组成部分的饼图

饼图是一种经典的图表类型，用于显示一个整体中各个组成部分的比例或百分比关系。虽然近年来饼图的使用受到一些争议（尤其在数据可视化专家中），但在恰当的场景下，它仍然是一种直观有效的工具。Matplotlib 通过 plt.pie() 函数提供了创建饼图的功能。

一、 饼图是什么？何时使用（何时避免）？

饼图是一个圆形图表，被分割成多个扇形区域，每个扇形的弧长（以及面积）代表其部分占总体的比例。所有扇形的比例加起来是100%。

适用场景（谨慎使用！）：

• 显示2-5个组成部分占整体的百分比。
• 当需要强调一个部分与整体的关系时（例如，市场份额超过50%）。
• 组成部分的百分比差异足够大，以便在视觉上区分。

避免使用的情况：

• 有太多（>6个） 类别。小的扇形难以比较和标注。
• 当类别比例非常接近时（例如，28%, 29%, 30%），人眼很难分辨扇形大小。
• 当需要精确比较不同部分的大小时（条形图通常更擅长比较）。
• 当数据不构成一个完整的"整体"时。

二、 函数原型与核心参数

plt.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, **kwargs)

核心参数详解：

1. 数据与标签:
   • x: 一维数组，每个元素代表一个扇形的大小（比例会自动计算）。
   • labels: 一个字符串序列，为每个扇形指定标签。
   • colors: 一个颜色序列，用于指定每个扇形的颜色。
2. 百分比与格式:
   • autopct: 非常有用的参数，用于在扇形内显示百分比。
     • None（默认）： 不显示。
     • '%1.1f%%'： 显示一位小数的百分比（如 ‘15.2%’）。
     • '%1.0f%%'： 显示整数百分比。
     • 函数： 可以自定义一个函数来格式化显示内容。
   • pctdistance: 百分比文本离圆心的距离比例（默认0.6）。
   • labeldistance: 标签文本离圆心的距离比例（默认1.1）。
3. 外观与布局:
   • explode: 一个长度与 x 相同的数组，指定每个扇形偏离圆心的距离。例如 [0, 0.1, 0, 0] 会让第二个扇形突出显示。
   • startangle: 起始绘制角度（度），从正东方向（3点钟方向） 开始逆时针旋转。默认0。
   • shadow: 如果 True，为饼图添加阴影效果（通常不推荐，显得过时）。
   • wedgeprops: 一个字典，用于设置扇形属性，如边缘颜色(edgecolor)、线宽(linewidth)等。推荐使用 wedgeprops={'edgecolor': 'black', 'linewidth': 1} 来为扇形添加黑色边框，提高可读性。
   • textprops: 一个字典，用于设置标签和百分比文本的属性，如字体大小(fontsize)、颜色(color)等。
4. 尺寸与位置:
   • radius: 饼图的半径，用于控制大小。
   • center: 饼图的中心点坐标。
   • frame: 如果 True，在饼图周围绘制坐标轴框架（几乎从不使用）。

三、 从入门到精通：代码示例

示例 1：基础饼图

import matplotlib.pyplot as plt# 数据
sizes = [15, 30, 25, 10, 20] # 这些值会自动计算百分比
labels = ['Python', 'JavaScript', 'Java', 'C++', 'Others']
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue', 'plum']
explode = (0, 0.1, 0, 0, 0)  # 只"突出"第二部分 'JavaScript'fig, ax = plt.subplots(figsize=(8, 8))# 绘制饼图
wedges, texts, autotexts = ax.pie(sizes,explode=explode,labels=labels,colors=colors,autopct='%1.1f%%',shadow=False, # 避免使用阴影startangle=90, # 从90度（正北）开始wedgeprops={'edgecolor': 'black', 'linewidth': 1} # 添加边框)# 美化百分比文本
for autotext in autotexts:autotext.set_color('black')autotext.set_fontsize(10)autotext.set_weight('bold')ax.set_title('Popular Programming Languages', fontsize=14)
# 确保饼图是正圆形
ax.axis('equal')plt.tight_layout()
plt.show()

示例 2：环形图与自定义

环形图（Donut Chart）是饼图的一种变体，中间有一个空洞，通常用于显示多个系列或使视觉效果更轻盈。

# 数据
sizes = [15, 30, 25, 10, 20]
labels = ['Python', 'JavaScript', 'Java', 'C++', 'Others']
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99','#ff99cc']fig, ax = plt.subplots(figsize=(8, 8))# 先画一个普通的饼图
wedges, texts, autotexts = ax.pie(sizes,labels=labels,colors=colors,autopct='%1.1f%%',startangle=90,pctdistance=0.85, # 百分比放远一点wedgeprops=dict(width=0.4, edgecolor='w') # 关键：width设置环的宽度)# 在中心画一个白色的圆，使其看起来像环形图
centre_circle = plt.Circle((0,0), 0.70, fc='white')
ax.add_artist(centre_circle)# 另一种添加中心文本的方法
ax.text(0, 0, 'Languages', ha='center', va='center', fontsize=16, fontweight='bold')ax.axis('equal')
plt.title('Donut Chart Example', fontsize=14)
plt.tight_layout()
plt.show()

示例 3：自定义格式化与高级样式

from matplotlib import cm
import numpy as np# 数据
data = [35, 25, 20, 15, 5]
categories = ['Electronics', 'Clothing', 'Food', 'Books', 'Other']# 创建一个颜色映射
colors = cm.Set3(np.linspace(0, 1, len(data)))fig, ax = plt.subplots(figsize=(9, 9))# 自定义百分比显示函数
def make_autopct(values):def my_autopct(pct):total = sum(values)val = int(round(pct*total/100.0))# 同时显示百分比和实际值return '{p:.1f}%\n({v:d})'.format(p=pct, v=val)return my_autopctwedges, texts, autotexts = ax.pie(data,labels=categories,colors=colors,autopct=make_autopct(data), # 使用自定义函数startangle=140,shadow=False,wedgeprops={'linewidth': 2, 'edgecolor': 'white', 'alpha': 0.9})# 美化文本
for text in texts:text.set_fontsize(11)text.set_fontweight('bold')
for autotext in autotexts:autotext.set_fontsize(9)autotext.set_color('darkblue')plt.title('Sales Distribution by Category', fontsize=16, fontweight='bold')
ax.axis('equal')plt.tight_layout()
plt.show()

四、 最佳实践与常见陷阱

1. 最佳实践:
   • 排序数据： 将数据从大到小排序，通常从12点钟方向开始，使图表更易于阅读。
   • 限制类别数量： 坚持使用2-5个主要类别。将小的、不重要的类别合并为"其他"。
   • 直接标注： 使用 autopct 或 plt.text() 直接在扇形上标注百分比/数值，避免让读者依赖图例。
   • 使用颜色： 使用区分度高的颜色，但确保颜色不会传达错误的顺序信息（饼图各部分本质上是无序的）。
   • 考虑条形图： 在决定使用饼图之前，先问自己一个水平的条形图是否更能清晰地进行比较。
2. 常见陷阱:
   • 3D 饼图： 绝对避免使用3D饼图。它严重扭曲了扇形的感知大小。
   • 过多切片： 包含太多类别是饼图最常见的问题，会导致"饼图垃圾"。
   • 缺少标注： 不提供百分比或数值，迫使读者猜测比例。
   • 误导性整体： 确保所有部分加起来代表一个有意义的整体（100%）。

五、 总结

plt.pie() 是一个专门用于创建比例图表的工具。

• 核心功能： 用扇形角度表示部分与整体的比例关系。
• 关键参数： x（数据）, labels, autopct（百分比）, explode（突出）, startangle, wedgeprops（样式）。
• 高级应用： 环形图（通过 wedgeprops={'width': x}）、自定义格式化函数。
• 使用哲学： 谨慎使用。饼图在特定简单场景下有效，但在大多数需要精确比较的情况下，条形图是更优的选择。

掌握饼图意味着你知道何时以及如何有效地使用它，更重要的是，知道何时应该避免使用它。在下一篇文章中，我们将探索一个更高级、更强大的函数 plt.imshow()，用于可视化矩阵数据和图像。