我要评论引言
饼图是数据可视化中经典的占比类图表，核心用于展示各分类在整体中的比例关系，尤其适合类别数量较少（建议不超过8类）的场景。本文基于matplotlib详解饼图的绘制方法，涵盖基础绘制、样式定制、进阶优化等核心知识点，结合实战案例让你快速掌握。
一、基础饼图绘制
1. 核心语法与最简示例
matplotlib绘制饼图的核心函数是plt.pie()，只需传入“各分类数值”即可生成基础饼图。 示例：展示某电商平台各品类销售额占比
import matplotlib.pyplot as plt
# 解决中文显示问题（通用配置）
plt.rcparams["font.sans-serif"] = ["simhei"] # windows
# plt.rcparams["font.sans-serif"] = ["pingfang sc"] # macos
plt.rcparams["axes.unicode_minus"] = false
# 1. 准备数据：分类名称 + 对应数值（数值会自动计算占比）
categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
# 2. 创建画布
plt.figure(figsize=(8, 8)) # 饼图建议用正方形画布，避免变形
# 3. 绘制基础饼图
plt.pie(sales, # 核心数据：各分类数值
labels=categories) # 分类标签
# 4. 显示图表
plt.title("某电商平台各品类销售额占比", fontsize=14)
plt.show()
2. 核心参数解析（基础版）
| 参数 | 作用 | 示例 |
|---|---|---|
x | 必选，各分类的数值（非占比，matplotlib自动计算） | x=[250, 180, 220] |
labels | 分类标签，对应x的每个数值 | labels=["服饰","美妆","食品"] |
autopct | 显示各部分占比，支持格式字符串 | autopct="%1.1f%%"（保留1位小数的百分比） |
colors | 自定义各扇区颜色 | colors=["#ff6b6b","#4ecdc4","#45b7d1"] |
startangle | 饼图起始角度（默认从x轴正方向开始，逆时针绘制） | startangle=90（从y轴正方向开始） |
优化版基础饼图（添加占比、自定义颜色）：
import matplotlib.pyplot as plt
plt.rcparams["font.sans-serif"] = ["simhei"]
plt.rcparams["axes.unicode_minus"] = false
categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
# 自定义配色（推荐莫兰迪/清新色系，避免刺眼）
colors = ["#ff6b6b", "#4ecdc4", "#45b7d1", "#96ceb4", "#feca57"]
plt.figure(figsize=(8, 8))
# 绘制饼图，添加占比和颜色
plt.pie(sales,
labels=categories,
autopct="%1.1f%%", # 显示占比（1位小数）
colors=colors,
startangle=90) # 起始角度90度
plt.title("某电商平台各品类销售额占比", fontsize=14)
plt.axis("equal") # 强制饼图为正圆形（关键！避免拉伸变形）
plt.show()
二、进阶优化：突出重点、提升可读性
1. 突出核心分类（explode参数）
通过explode参数可将指定扇区“分离”出来，突出重点类别（如占比最高的“数码”品类）：
import matplotlib.pyplot as plt
plt.rcparams["font.sans-serif"] = ["simhei"]
plt.rcparams["axes.unicode_minus"] = false
categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#ff6b6b", "#4ecdc4", "#45b7d1", "#96ceb4", "#feca57"]
# explode：对应每个扇区的分离距离，0为不分离，数值越大分离越远
explode = (0, 0, 0, 0.1, 0) # 仅“数码”扇区分离0.1距离
plt.figure(figsize=(8, 8))
plt.pie(sales,
labels=categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
explode=explode, # 启用分离效果
shadow=true) # 添加阴影，增强立体感
plt.title("某电商平台各品类销售额占比（突出数码品类）", fontsize=14)
plt.axis("equal")
plt.show()
2. 优化标签样式（字体、位置）
默认标签可能重叠或样式单一，可通过textprops调整标签样式，或手动调整占比标签位置：
import matplotlib.pyplot as plt
plt.rcparams["font.sans-serif"] = ["simhei"]
plt.rcparams["axes.unicode_minus"] = false
categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#ff6b6b", "#4ecdc4", "#45b7d1", "#96ceb4", "#feca57"]
explode = (0, 0, 0, 0.1, 0)
plt.figure(figsize=(8, 8))
# 绘制饼图并捕获文本对象（用于后续调整）
patches, texts, autotexts = plt.pie(
sales,
labels=categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
explode=explode,
shadow=true,
textprops={"fontsize": 11} # 统一设置标签字体大小
)
# 单独调整占比标签样式（如颜色、加粗）
for autotext in autotexts:
autotext.set_color("white") # 占比文字设为白色
autotext.set_fontweight("bold") # 加粗
plt.title("某电商平台各品类销售额占比", fontsize=14)
plt.axis("equal")
plt.show()
3. 处理小占比类别（避免标签重叠）
若部分类别占比过小（如<5%），可将其合并为“其他”类，或通过pctdistance调整占比标签位置：
import matplotlib.pyplot as plt
plt.rcparams["font.sans-serif"] = ["simhei"]
plt.rcparams["axes.unicode_minus"] = false
# 原始数据：含小占比类别
categories = ["服饰", "美妆", "食品", "数码", "家居", "图书", "配饰"]
sales = [250, 180, 220, 300, 150, 30, 20]
# 合并小占比类别（图书+配饰=其他）
new_categories = ["服饰", "美妆", "食品", "数码", "家居", "其他"]
new_sales = [250, 180, 220, 300, 150, 50]
colors = ["#ff6b6b", "#4ecdc4", "#45b7d1", "#96ceb4", "#feca57", "#dda0dd"]
plt.figure(figsize=(8, 8))
plt.pie(new_sales,
labels=new_categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
pctdistance=0.85) # 占比标签距离圆心的比例（默认0.6，调大避免重叠）
plt.title("某电商平台各品类销售额占比（合并小品类）", fontsize=14)
plt.axis("equal")
plt.show()
三、特殊场景：环形饼图（空心饼图）
环形饼图比普通饼图更美观，且可在中心添加文字，适合展示多层占比或突出视觉效果。 实现原理：绘制两个饼图，外层为数据，内层为白色填充的“空心”。
import matplotlib.pyplot as plt
plt.rcparams["font.sans-serif"] = ["simhei"]
plt.rcparams["axes.unicode_minus"] = false
categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#ff6b6b", "#4ecdc4", "#45b7d1", "#96ceb4", "#feca57"]
plt.figure(figsize=(8, 8))
# 绘制外层数据饼图
plt.pie(sales,
labels=categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
wedgeprops={"width": 0.3}) # width：环形宽度（0-1，越小越细）
# 绘制内层空心（白色填充）
plt.pie([1], colors="white", radius=0.7) # radius：内层半径（小于外层）
# 中心添加文字
plt.text(0, 0, "总销售额\n1100万", ha="center", va="center", fontsize=12)
plt.title("某电商平台各品类销售额占比（环形图）", fontsize=14)
plt.axis("equal")
plt.show()
四、饼图绘制注意事项
- 适用场景：仅用于展示“部分-整体”关系，且类别数不宜过多（建议≤6类），否则扇区过小、可读性差；
- 避免误导：饼图的视觉效果易受起始角度、扇区顺序影响，若需精准对比占比，优先用柱状图；
- 正圆形保障：务必添加
plt.axis("equal")，否则画布拉伸会导致饼图变形为椭圆； - 中文与负号：始终配置
rcparams解决中文乱码和负号显示问题； - 保存高清图：用
plt.savefig("饼图.png", dpi=300, bbox_inches="tight")替代plt.show()，避免文字截断。
以上就是python基于matplotlib绘制饼图的详细教程的详细内容，更多关于python matplotlib绘制饼图的资料请关注代码网其它相关文章！
发表评论