数据可视化python，绘制饼图，代码和解析 |
您所在的位置：网站首页 › 绘制三维饼图 › 数据可视化python，绘制饼图，代码和解析 |
数据可视化python，绘制饼图，代码和解析
|
饼图样式：
使用matplotlib.pyplot.pie绘制 
; 代码描述:
import matplotlib.pyplot as plt
import pandas as pd
#定义饼状图的标签，标签是列表
timeData = pd.read_csv(r"doubledec.csv")
#绘制饼图
# plt.pie(timeData[ 'Time'])
#设置饼图的起始位置为startangle=90度，顺序为顺时针
# plt. pie(timeData['Time '], startangle=90, counterclock=False)
#创建画布并设置大小
plt . figure(figsize=(9,9))
#为饼图添加标题
plt. title('某院校食堂每日出售食品饼图',fontdict={'fontsize': 24}, y=1.05)
#为饼图设置标签
plt. rcParams['font.sans-serif']=['SimHei'] #正常显示中文标签设置
labels =['冒菜','麻辣烫','鸡腿饭','牛肉面','汉堡','鸡架拌饭']
# plt.pie(timeData[ 'Time'], Labels=labels， startangle=90， counterclock=False)
plt.pie(timeData['Time'], autopct= '%1.1f%%' ,
textprops={'fontsize':12,'color':'b'}, labels=labels, startangle=180,counterclock=False)
#为饼图设置图例，Loc 表示边框的位置为左下角，frameon=False 表示去掉图例的边框
plt. rcParams['legend.fontsize'] = 10 # 图例大小
plt.legend(loc='lower left')
plt.axis('equal')#将横轴纵轴的坐标值设为等同
plt. show()
代码分析：
(1)，该函数的定义如下： matplotlib.pyplot.pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, hold=None, data=None) 参数说明： x：数组。输入的数据用于创建一个饼图。explode：数组，可选参数，默认为None。 如果不是None，是一个长度与3.x相同长度的数组，用来指定每部分的偏移量。例如：explode[0,0,0.2,0,0]，第二个饼块被拖出。labels：列表，可选参数，默认None。一般为一个与x数组等长的字符串序列作为每个饼块的标记。colors：数组，可选参数，默认为：None。用来标注每块饼图的matplotlib颜色参数序列。如果为None，将使用当前活动环的颜色。autopct：默认是None，字符串或函数，可选参数。如果不是None，是一个字符串或函数，用于为饼图自动添加百分比显示，可以采用格式化的方法显示。例如：autopct=%1.1f%%表示百分比保留小数点后一位pctdistance：浮点数，可选参数，默认值：0.6。设置百分比标签与圆心的距离。如果autopct是None，被忽略。shadow：布尔值，可选参数，默认值：False。在饼图下面画阴影。startangle：浮点类型，可选参数，默认：None。如果不是None，则代表饼图的起始角度。为从x轴逆时针或顺时针旋转饼图的开始角度。顺时针还是逆时针取决于参数counterclock的取值。counterclock：布尔值，可选参数，默认为：None。指定指针方向，指定是否让饼图按逆时针顺序呈现。labeldistance：浮点数，可选参数，默认值：1.1。用于设置饼图的标签文本与中心点的距离，设置该参数时需要参考饼图的半径radius。radius：浮点类型，可选参数，默认为：None。饼图的半径，如果半径是None，将被设置成1。textprops：字典类型，可选参数，默认值为：None。传递给text对象的字典参数，用于设置饼图中文本的属性，如字体大小、颜色等。wedgeprops：字典类型，可选参数，默认值：None。参数字典传递给wedge对象用来画一个饼图，用来设置饼图内外边界的属性，如边界线的粗细、颜色等。例如：wedgeprops={‘linewidth’:3}设置wedge边线宽为3。center：浮点类型的列表，可选参数，默认值：(0,0)。设置饼图中心的位置，默认为原点。 csv文件为：
Things和Time只是随意的参数，可以随意该写 Original: https://blog.csdn.net/qq_52596292/article/details/127476077Author: 一个喜欢听雨的男孩Title: 数据可视化python，绘制饼图，代码和解析 相关阅读 Title: Python标准库模块之heapq – 堆构造读前福利：几百本经典书籍https://www.johngo689.com/2158/ 堆作为优先队列的常用方法，而且在数据结构和算法方面，经常使用大顶堆和小顶堆进行问题的解决。 [En]Heap is a common method of priority queue, and large top heap and small top heap are often used to solve problems in data structure and algorithm. 使用 Python 提供的标准库 heapq： import heapq注意：默认的堆结构是小顶堆 方法一：创建空列表，然后手动加入元素 heapq.heappush()举例： >>> nums = [2, 5, 1, 6, 9, 0] >>> heap = [] >>> for num in nums: ... heapq.heappush(heap, num) ... >>> print(heap[0]) 0 >>> print([heapq.heappop(heap) for _ in range(len(nums))]) [0, 1, 2, 5, 6, 9]方法二：初始化 list，然后转为堆结构 heapq.heapify(list)直接将 list 转为堆结构 举例： >>> nums = [2, 5, 1, 6, 9, 0] >>> # 转为heap结构 ... >>> heap.heapify(nums) >>> print(nums[0]) 0 >>> print([heapq.heappop(nums) for _ in range(len(nums))]) [0, 1, 2, 5, 6, 9]删除最小值 并且 加入新元素， 使用 heapq.heaprepalce() >>> nums = [2, 5, 1, 6, 9, 0] >>> # 转为heap结构 ... >>> heap.heapify(nums) >>> heapq.heapreplace(nums, 100) 0 >>> heapq.heapreplace(nums, -1) 1 >>> print([heapq.heappop(nums) for _ in range(len(nums))]) [-1, 2, 5, 6, 9, 100]这里没有直接构造大顶堆的方法，可以使用一个很巧妙的思路进行解决。 [En]There is no direct way to construct a large top heap, which can be solved with a very ingenious idea. 这是一个很 Tirck 的思路： 首先我们用上述方法一进行构造堆结构，注意要在每一个元素增加一个负号（-）： [En]First, we use the above method 1 to construct the heap structure, and note that we need to add a negative sign (-) to each element: >>> nums [0, 5, 1, 6, 9, 2] >>> nums = [2, 5, 1, 6, 9, 0] >>> heap = [] >>> for num in nums: ... heapq.heappush(heap, -num) >>> heap [-9, -6, -1, -2, -5, 0]接下来，打印堆元素，注意也要加负号（-）： >>> print([-heapq.heappop(heap) for _ in range(len(nums))]) [9, 6, 5, 2, 1, 0]这样是不是就巧妙的将大顶堆进行打印出来了。 整体思路：push(-) -> pop(-)，负负得正。 获取堆中最大或最小的范围值。 使用 heapq.nlargest() 或 heapq.nsmallest() 函数进行求得： >>> nums = [2, 5, 1, 6, 9, 0] >>> heapq.heapify(nums) >>> heapq.nlargest(3, nums) [9, 6, 5] >>> heapq.nsmallest(3, nums) [0, 1, 2]这个比较简单，需要主要添加范围值。 Original: https://www.cnblogs.com/yydsxiaozhu/p/15392658.htmlAuthor: 技术gogogoTitle: Python标准库模块之heapq – 堆构造 原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/283569/ 转载文章受原作者版权保护。转载请注明原作者出处！ |
【本文地址】
今日新闻 |
推荐新闻 |