快捷導(dǎo)航

Python數(shù)據(jù)可視化之環(huán)形圖

更新時(shí)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(shù)據(jù)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(duì)你的工作和學(xué)習(xí)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(gè)環(huán)被分成不同的部分，用各個(gè)圓弧來表示每個(gè)數(shù)據(jù)所占的比例值。但其中心的空白可用于顯示其他相關(guān)數(shù)據(jù)展示，相比于標(biāo)準(zhǔn)餅圖提供了更豐富的數(shù)據(jù)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(shù)wedgeprops 的簡(jiǎn)單方法，以及使用極軸和水平條形圖的復(fù)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(shù)wedgeprops來快速地將餅圖轉(zhuǎn)換為環(huán)形圖。

首先我們先來畫一個(gè)簡(jiǎn)單的餅圖：

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

結(jié)果如下：

接著我們添加參數(shù)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(jié)果如下：

這很簡(jiǎn)單?，F(xiàn)在我們可以使用中心的空間來使我們的數(shù)據(jù)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(jié)果如下：

當(dāng)我們有一個(gè)簡(jiǎn)單的比較需要顯示時(shí)，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(gè)圓形進(jìn)度條，比如我們有一個(gè)單一的比例要突出顯示的例子。

當(dāng)然，我們可以進(jìn)一步簡(jiǎn)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(jié)果如下：

3.方式二：條形圖形式

盡管此解決方案比前一個(gè)解決方案更復(fù)雜，但它為定制提供了一些令人興奮的選項(xiàng)。

我們還是從一個(gè)簡(jiǎn)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(jié)果如下：

接著我們來處理角度，我們必須先轉(zhuǎn)換每個(gè)元素的 x 坐標(biāo)，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(jié)果如下：

使用此方法我們也達(dá)到了上述同樣的效果；當(dāng)然此時(shí)我們添加多個(gè)進(jìn)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(jié)果如下：

到此這篇關(guān)于Python數(shù)據(jù)可視化之環(huán)形圖的文章就介紹到這了,更多相關(guān)Python數(shù)據(jù)可視化環(huán)形圖內(nèi)容請(qǐng)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！

您可能感興趣的文章: