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 MySQL 数据查询中,“按顺序计数” 是高频需求 —— 例如 “统计近 7 天每日订单量”“按用户 ID 顺序展示消费记录”“按产品 ...
2025-10-31在数据分析中,“累计百分比” 是衡量 “部分与整体关系” 的核心指标 —— 它通过 “逐步累加的占比”,直观呈现数据的分布特征 ...
2025-10-31在 CDA(Certified Data Analyst)数据分析师的工作中,“二分类预测” 是高频需求 —— 例如 “预测用户是否会流失”“判断客户 ...
2025-10-31在 MySQL 实际应用中,“频繁写入同一表” 是常见场景 —— 如实时日志存储(用户操作日志、系统运行日志)、高频交易记录(支付 ...
2025-10-30为帮助教育工作者、研究者科学分析 “班级规模” 与 “平均成绩” 的关联关系,我将从相关系数的核心定义与类型切入,详解 “数 ...
2025-10-30对 CDA(Certified Data Analyst)数据分析师而言,“相关系数” 不是简单的数字计算,而是 “从业务问题出发,量化变量间关联强 ...
2025-10-30在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23