本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Data_Visualization函数语法：
plt.pie(x, *, explode=None, labels=None, colors=None,autopct=None, pctdistance=0.6, shadow=False,labeldistance=1.1, startangle=0, radius=1,counterclock=True, wedgeprops=None, textprops=None,center=(0, 0), frame=False, rotatelabels=False,normalize=True, hatch=None, data=None)
-
x：数据值数组，表示每个扇形的数值，并会自动转换为百分比。 -
explode：用于突出显示特定扇区。通过指定偏移量使某些扇区远离中心，例如explode=[0,0.1,0,0]将第二个扇区向外偏移0.1。 -
labels：每个扇区的标签，通常显示在外部。 -
colors：扇区的填充颜色（列表），可以是颜色名称或十六进制代码。 -
autopct：控制百分比标签的格式，如‘%1.1f%%’表示保留一位小数。 -
pctdistance：百分比标签距离圆心的距离，默认0.6。 -
shadow：是否添加阴影，增强立体感。 -
labeldistance：标签距离圆心的距离，默认1.1。小于1时标签会显示在扇区内部。 -
startangle：第一个扇形的起始角度（度），默认从x轴正方向逆时针开始。如startangle=90从y轴正方向开始。 -
radius：饼图的半径，控制整体大小。 -
counterclock：布尔值，决定饼图是逆时针（True）还是顺时针（False）绘制。 -
wedgeprops：扇区属性字典，用于设置扇区的属性，例如线宽、透明度等，例如wedgeprops={‘linewidth’:2, ‘edgecolor’:’black’}设置边框线宽和颜色。 -
textprops：文本属性字典，用于设置文本（标签和百分比）的属性，如字体大小、颜色，例如textprops={‘fontsize’:12, ‘color’:’red’}调整标签字体大小和颜色。 -
center：饼图的中心位置，默认为(0,0)。 -
frame：布尔值，是否显示坐标轴框架，默认False。 -
rotatelabels：布尔值，是否旋转标签以适应角度，默认False。 -
normalize：是否归一化数据，True表示将数据总和归一化为1，False则按原始数据绘制。 -
hatch：为扇区添加纹理填充，如‘/’、’\’、’*’等。 -
data：数据映射参数，用于复杂场景（如Pandas DataFrame集成）。
通过调整这些参数，可以灵活控制饼图的视觉效果。
plt.figure(figsize=(8,6))
plt.pie(
x=[21, 35, 19, 20], # 饼图各扇形的数值（会自动计算占比）
labels=['类别A', '类别B', '类别C', '类别D'], # 每个扇形的标签文本
colors=['#FF9999','#66B2FF','#99FF99','#FFCC99'], # 自定义各扇形颜色
autopct='%1.2f%%', # 显示百分比，保留2位小数
pctdistance=0.7, # 百分比文本与圆心的距离（相对半径的比例）
labeldistance=1.0, # 标签文本与圆心的距离（相对半径的比例）
explode=(0, 0.1, 0, 0), # 第二个扇形（类别B）向外突出0.1单位
shadow=True, # 为饼图添加阴影效果，增强立体感
startangle=90, # 饼图起始角度设为90度（从y轴正方向开始绘制）
# 设置扇形边框样式：黑色边框、线宽1.2、虚线样式
wedgeprops={'edgecolor':'black', 'linewidth':1.2,'linestyle': '--'},
# 设置文本样式：字体大小14、红色、粗体
textprops={'fontsize': 14, 'color': 'red','weight': 'bold'},
rotatelabels=True # 标签文本按扇形角度旋转，避免重叠
)
plt.title('饼图绘制')
# 保证饼图为正圆形（否则可能因坐标轴比例显示为椭圆）
plt.axis('equal')
plt.show()
可视化结果如下图所示：
plt.pie() 函数的返回值是一个包含三个元素的元组，它们分别代表了饼图中不同组件的对象，方便我们进行更细致的样式调整和定制。
-
wedges：是一个 matplotlib.patches.Wedge 对象的列表，每个对象对应饼图中的一个扇形。可以通过该列表对单个扇形进行样式修改（如颜色、边框等）。
-
texts：是一个 matplotlib.text.Text 对象的列表，对应通过 labels 参数设置的标签文本。可用于调整标签的字体、位置等属性。
-
autotexts：是一个 matplotlib.text.Text 对象的列表（若未设置 autopct 则为 None），对应扇形内部的百分比文本。可用于修改百分比的显示样式。
# 绘制饼图并获取返回值
plt.figure(figsize=(8,6))
wedges, texts, autotexts = plt.pie(
x=[21, 35, 19, 20],
labels=['类别A', '类别B', '类别C', '类别D'],
autopct='%1.2f%%',
colors=['#FF9999','#66B2FF','#99FF99','#FFCC99']
)
# 通过返回值对象进行精细定制
# 1. 设置“类别B”扇形的边框为红色并加粗
wedges[1].set_edgecolor('red')
wedges[1].set_linewidth(2)
# 2. 将“类别B”扇形的百分比文本的颜色设置为红色并加粗
autotexts[1].set_color('red')
autotexts[1].set_fontsize(18)
autotexts[1].set_fontweight('bold')
# 3. 将“类别B”标签的字体设置为红色并加粗
texts[1].set_fontsize(18)
texts[1].set_color('red')
texts[1].set_fontweight('bold')
plt.title('通过返回值对象进行精细定制', fontsize=14)
plt.show()
可视化结果如下图所示：
使用示例：
-
示例1：添加图例
使用默认的legend()函数为饼图添加图例时，图例和圆饼图会重叠在一起。这是因为若用轴(axes)的模式看饼图，整个饼图就是一个图表的全部，因此使用legend()函数添加的图例和饼图会重叠。
如果要避免图例与饼图重叠，在legend()函数内需使用bbox_to_anchor()参数，用于精确调整图例（或其他元素）位置，它的作用是将图例 “锚定” 到指定坐标位置，从而实现更灵活的布局控制。
# 准备数据
values = [260, 320, 280, 450] # 数据
labels = ['类别A', '类别B', '类别C', '类别D'] # 标签
# 自定义图例标签（可以包含额外信息）
legend_labels = [f'{label}: {value}'for label, value in zip(labels, values)]
# 绘制饼图，先不设置labels（避免与图例中的标签重复）
wedges, texts, autotexts = plt.pie(
x=values,
autopct='%1.1f%%'
)
# 添加图例
plt.legend(
wedges, # 将图例与饼图的扇形对象关联，确保颜色对应
legend_labels, # 使用自定义的图例文本
title='图例',
loc='center left', # 图例在图表中的基准位置（左侧中间）
# 调整图例位置
# 将图例的基准点锚定到 (1, 0.5) 位置（即图表右侧中间位置）
bbox_to_anchor=(1, 0, 0.5, 1)
)
plt.title('为饼图添加图例', fontsize=14, pad=10)
plt.axis('equal')
plt.show()
可视化结果如下图所示：
-
示例2：绘制环形饼图
使用 pie() 函数绘制环形饼图（也称为 “甜甜圈图”）的核心原理是在普通饼图的基础上，通过设置扇形的内半径不为 0，形成中间空心的效果。
普通饼图的扇形（Wedge 对象）默认内半径为 0，外半径由 radius 参数控制（默认值为 1），因此呈现为实心的圆形切片。
环形饼图的核心是让扇形拥有内半径（width），即扇形是一个 “圆环的切片” 而非 “实心圆的切片”。这可以通过 pie() 函数的 wedgeprops 参数实现，该参数接受一个字典，用于设置扇形的样式，其中 width 键专门控制内半径比例。width 的值为 0~1 之间的浮点数，表示环形的 “厚度” 占外半径的比例。例如 width=0.7 表示环形的外半径为 radius（默认 1），内半径为 radius × (1-0.7) = 0.3，形成中间空心的效果。
import matplotlib.pyplot as plt
# 数据准备
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
plt.figure(figsize=(8, 8))
plt.pie(sizes,
labels=labels,
autopct='%1.1f%%',
pctdistance=0.8, # 百分比文本与圆心的距离（相对半径的比例）
wedgeprops=dict(width=0.4, edgecolor='k') # width控制环的厚度
)
plt.title('环形饼图')
plt.show()
可视化结果如下图所示：
-
示例3：绘制多级饼图
使用 pie() 函数绘制多级饼图（也称为嵌套饼图）的核心原理是在同一坐标系中绘制多个半径不同的饼图，通过内外层半径差异形成嵌套结构，从而展示数据的层级关系。实现思路如下：
-
调用多次 plt.pie() 函数，每次绘制一层饼图 -
通过 radius 参数控制各层半径（内层半径 < 外层半径） -
用 wedgeprops 参数的 width 控制每层的厚度（类似环形饼图） -
确保各层数据逻辑对应（如内层数据总和应等于外层某一分类的值）
# 外层数据（一级分类）
outer_values = [100, 150, 200]
outer_labels = ["部门1", "部门2", "部门3"]
# 内层数据
inner_values = [30, 50, 20]
inner_labels = ["本科人数", "硕士人数", "博士人数"]
# 绘制外层饼图（环形）
plt.pie(
outer_values,
labels=outer_labels,
radius=1, # 外层半径
labeldistance=0.8 ,
wedgeprops={"width": 0.3, "edgecolor": "white"} # 厚度0.3，白色边框分隔
)
# 绘制内层饼图（仅展示产品A的细分）
plt.pie(
inner_values,
labels=inner_labels,
radius=1 - 0.3, # 内层半径 = 外层半径 - 外层厚度
wedgeprops={"width": 0.4, "edgecolor": "white"}, # 内层厚度0.2
labeldistance=0.5
)
plt.axis("equal") # 保证正圆形
plt.title("多级饼图")
plt.show()
-
示例4：建立饼图间的关联
要在两个饼图之间建立视觉联系，可以使用 Matplotlib 的 ConnectionPatch 函数。该函数能创建一条连线（直线或曲线），连接两个图表中的指定位置，常用于强调数据间的关联关系。
# 导入ConnectionPatch模块，用于在两个子图之间创建连接线
from matplotlib.patches import ConnectionPatch
# 创建画布和子图（1行2列）
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))
fig.subplots_adjust()
# 左侧饼图数据
left_values = [100, 150, 200,300]
left_labels = ["部门1", "部门2", "部门3", "部门4"]
# 右侧饼图数据
right_values = [450, 200, 100]
right_labels = ["本科人数", "硕士人数", "博士人数"]
# 在左侧子图ax1中绘制饼图
ax1.pie(left_values, autopct='%1.1f%%', startangle=20, labels=left_labels)
ax1.set_title("某公司各部门人数", color='b')
# 在右侧子图ax2中绘制饼图
ax2.pie(right_values, autopct='%1.1f%%', startangle=70, labels=right_labels, radius=0.7)
ax2.set_title("学历比例调查表", color='b')
# 创建上方连接线：连接左侧子图(0,1)位置和右侧子图(0,0.7)位置
# xyA/xyB：连接线两端在各自子图中的坐标（数据坐标系）
# coordsA/coordsB：指定使用数据坐标系
# axesA/axesB：指定连接线所属的两个子图
con_a = ConnectionPatch(xyA=(0, 1), xyB=(0, 0.7), coordsA=ax1.transData, coordsB=ax2.transData, axesA=ax1, axesB=ax2)
# 创建下方连接线：连接左侧子图(0,-1)位置和右侧子图(0,-0.7)位置
con_b = ConnectionPatch(xyA=(0, -1), xyB=(0, -0.7), coordsA=ax1.transData, coordsB=ax2.transData, axesA=ax1, axesB=ax2)
# 将两条连接线添加到右侧子图中（使连接线显示在图表上）
for con in [con_a, con_b]:
ax2.add_artist(con)
plt.show()
可视化结果如下图所示：
更多内容可以前往官网查看：
https://matplotlib.org/stable/
本篇文章来源于微信公众号: 码农设计师
