京公网安备 11010802034615号
经营许可证编号:京B2-20210330
matplotlib环形图是饼图衍生出来的统计图形,可以看作是两个以上饼图的叠合。环形图与饼图类似,其实是有差别的。饼图是用圆形及圆内扇形的面积来表示数值大小的图形,主要用于表示总体中各组成部分所占的比例。与之对比,环形图中间留有空白,可以用多个环展示多个样本,既可以表示每个样本中各部分的占比,又可以对多个样本的结构同时进行对比。
文字表达永远没有图片来的直观,从网上随便搜了一个环形图先简单感受下:
上边的环形图只有一个环,实际上可以根据需要绘制多个环嵌套在一起的环形图,并且也可以加上每一段弧形所占的比例,我们先从简单的开始,绘制一个简单的环形图。
先看下数据源长什么样子,依然是绘制饼图时用到的数据:
所谓环形图,其实用到的依然是绘制饼图的函数,只是对其中的参数进行设置后形成环形图,我们先来绘制一个简单的第一小学成绩环形图:
plt.figure(figsize=(8,8)) #新建画布,画布大小为8*8
plt.pie(data2.iloc[0,1:] #截取第一小学的成绩
,radius=1 # 设置半径为1
,labels=['语文','数学','英语'] #设置各个角的标签
,autopct='%.2f%%' #设置精度为小数点后两位
,textprops={'fontsize': 14, 'color': 'k'} #设置标签字体和颜色
,wedgeprops=dict(width=0.4, edgecolor='w')); #设置饼弧宽度和边框颜色
和之前绘制饼图不同的是多设置了三个参数,一个是设置半径,一个是设置字体和颜色(介绍饼图的文章中饼图中字体有点小,颜色是默认的黑色,其实字体大小和颜色都是可以设置的),最后一个是设置弧度宽度和边框颜色,所谓弧度的宽度其实就是环形的宽度。
来看下效果:
像这种简单的环形图,作用和饼图差不多,只能反映一个小学的成绩情况,如果想要查看两个学校对比的情况需要绘制两个图,当然环形图可以解决这个问题,下边我们来看下升级版的环形图!
以绘制两个环形为例:
plt.figure(figsize=(8,8)) #新建画布,画布大小为8*8
plt.pie(data2.iloc[0,1:] #截取第一小学的成绩
,radius=1 # 设置半径为1
,labels=['语文','数学','英语'] #设置各个角的标签
,autopct='%.2f%%' #设置精度为小数点后两位
,textprops={'fontsize': 14, 'color': 'k'} #设置标签字体和颜色
,wedgeprops=dict(width=0.4, edgecolor='w')) #设置饼弧宽度和边框颜色
plt.pie(data2.iloc[1,1:] #截取第二小学的成绩
,radius=0.6 # 设置半径为0.6
,autopct='%.2f%%'#设置精度为小数点后两位
,textprops={'fontsize': 12, 'color': 'w'}#设置标签字体和颜色
,wedgeprops=dict(width=0.4, edgecolor='w'));#设置饼弧宽度和边框颜色
以前的文章提到过,可以在同一块画布上重复绘图,在绘制堆积条形图的时候用到的就是这个知识点,绘制多个环的环形图也是相同的道理。
在同一块画布上绘制两个环,一个大环一个小环,需要注意的是要先绘制大环,后绘制小环,因为后绘制的图会覆盖先绘制的图,所以我们设置第一个环的半径是1,后边绘制的环半径是0.6,来看下效果:
喏,就是这个效果了,这个图还缺少一个标题,相信大家都知道如何添加图形标题了。
当然这个环形图中的两个环挨在一起了,平时我们看到的环形图每个环之间会有一点间隙,能够很明显的看出是两个分离的环,其实这个也不难!仔细观察上边的代码,两个环之间的半径差是0.4,而我们对弧形宽度也设置的是0.4,所以两个环之间一点缝隙都没有,通过对这两个参数的设置就可以控制两个环之间的距离了。
plt.figure(figsize=(8,8))
plt.pie(data2.iloc[0,1:]
,radius=1
,labels=['语文','数学','英语']
,autopct='%.2f%%'
,textprops={'fontsize': 14, 'color': 'k'}
,wedgeprops=dict(width=0.3, edgecolor='w'))
plt.pie(data2.iloc[1,1:]
,radius=0.6
,autopct='%.2f%%'
,textprops={'fontsize': 14, 'color': 'k'}
,wedgeprops=dict(width=0.3, edgecolor='w'))
plt.title("第一小学(外环)和第二小学(内环)成绩图");
两个环形的半径差没有变,依然是0.4,我们把弧形宽度改成了0.3,来看下效果:
这样是不是就变成大家心目中环形图的样子了(我又偷偷的加上标题了)?这是两个学校的成绩环形图,如果想要多画几个环,记得把半径差设置大一点,弧形宽度设置小一点,能够容纳多个环形就可以啦!
你学会了吗?matplotlib是不是很强大的赶脚!
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19