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
在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01在数据驱动决策的时代,企业与从业者每天都会面对海量数据——电商平台的用户行为数据、金融机构的信贷风险数据、快消品牌的营销 ...
2026-04-01在数字化转型的浪潮中,企业数据已从“辅助运营的附属资源”升级为“驱动增长的核心资产”,而一套科学、可落地的企业数据管理方 ...
2026-04-01在数字化时代,每一位用户与产品的交互都会留下可追溯的行为轨迹——电商用户的浏览、加购、下单,APP用户的注册、登录、功能使 ...
2026-03-31在日常数据统计、市场调研、学术分析等场景中,我们常常需要判断两个分类变量之间是否存在关联(如性别与消费偏好、产品类型与满 ...
2026-03-31在CDA(Certified Data Analyst)数据分析师的职场实战与认证考核中,“可解释性建模”是核心需求之一——企业决策中,不仅需要 ...
2026-03-31多层感知机(MLP,Multilayer Perceptron)作为深度学习中最基础、最经典的神经网络模型,其结构设计直接决定了模型的拟合能力、 ...
2026-03-30在TensorFlow深度学习实战中,数据集的加载与预处理是基础且关键的第一步。手动下载、解压、解析数据集不仅耗时费力,还容易出现 ...
2026-03-30在CDA(Certified Data Analyst)数据分析师的日常工作中,“无监督分组、挖掘数据内在聚类规律”是高频核心需求——电商场景中 ...
2026-03-30机器学习的本质,是让模型通过对数据的学习,自主挖掘规律、实现预测与决策,而这一过程的核心驱动力,并非单一参数的独立作用, ...
2026-03-27在SQL Server数据库操作中,日期时间处理是高频核心需求——无论是报表统计中的日期格式化、数据筛选时的日期类型匹配,还是业务 ...
2026-03-27在CDA(Certified Data Analyst)数据分析师的能力体系与职场实操中,高维数据处理是高频且核心的痛点——随着业务场景的复杂化 ...
2026-03-27在机器学习建模与数据分析实战中,特征维度爆炸、冗余信息干扰、模型泛化能力差是高频痛点。面对用户画像、企业经营、医疗检测、 ...
2026-03-26在这个数据无处不在的时代,数据分析能力已不再是数据从业者的专属技能,而是成为了职场人、管理者、创业者乃至个人发展的核心竞 ...
2026-03-26在CDA(Certified Data Analyst)数据分析师的能力体系中,线性回归是连接描述性统计与预测性分析的关键桥梁,也是CDA二级认证的 ...
2026-03-26在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24