matplotlib可视化之饼图plt.pie()与plt.legend()中bbox

2024-07-06 20:16| 来源: 网络整理| 查看: 265

函数功能：表示离散变量各占比情况调用方法：plt.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)参数说明： x：指定绘图的数据explode：指定饼图某些部分的突出显示，即呈现爆炸式labels：为饼图添加标签说明，类似于图例说明colors：指定饼图的填充色autopct：自动添加百分比显示，可以采用格式化的方法显示pctdistance：设置百分比标签与圆心的距离shadow：是否添加饼图的阴影效果labeldistance：设置各扇形标签（图例）与圆心的距离；startangle：设置饼图的初始摆放角度；radius：设置饼图的半径大小；counterclock：是否让饼图按逆时针顺序呈现；wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等；textprops：设置饼图中文本的属性，如字体大小、颜色等；center：指定饼图的中心点位置，默认为原点frame：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置；

一、绘制简单饼图：

二、环形图：通过参数wedgecolor = {'width':0.5}绘制，自定义数值0.5表示环形图的宽度

三、使用多个参数绘制复杂饼图：

#构造数据：某城镇受教育程度 education = [9823, 5601, 3759, 1400, 450] labels = ['小学', '初中', '高中', '大学', '研究生及以上'] explode = [0,0,0,0.2,0.3] # 用于突出显示特定人群 # 自定义颜色,更多颜色参考颜色网站：https://xkcd.com/color/rgb/ colors=['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555'] # 将横、纵坐标轴标准化处理，保证饼图是一个正圆，否则可能为椭圆 plt.axes(aspect='equal') # 绘制饼图 plt.pie(x = education, # 绘图数据 explode=explode, # 突出显示特定人群 labels=labels, # 添加教育水平标签 colors=colors, # 设置饼图的自定义填充色 autopct='%.1f%%', # 设置百分比的格式，这里保留一位小数 pctdistance=0.7, # 设置百分比标签与圆心的距离 labeldistance = 1.15, # 设置教育水平标签与圆心的距离 startangle = 180, # 设置饼图的初始角度 radius = 1.5, # 设置饼图的半径 counterclock = False, # 是否逆时针，这里设置为顺时针方向 # 设置饼图内外边界的属性值：linewidth表示饼图内外边框线宽度；width表示饼图内外宽度，可控制生成环形图；edgecolor表示边框线的颜色 wedgeprops = {'linewidth': 1.5,'width':0.5, 'edgecolor':'green'}, textprops = {'fontsize':12, 'color':'k'}, # 设置文本标签的属性值 center = (0,0), # 设置饼图的原点 frame = 0) # 是否显示饼图的图框，这里设置不显示 # 显示图形 plt.show()

四、内嵌环形图：用来分析两组具有同类别的数据对比

通过半径radius跟环形图的宽度设置wedgeprops={'width':num}来绘制

例如：分析两种草莓蛋糕的配料占比情况

# 自定义颜色图列表 colormaplist = ["#e41a1c","#377eb8","#4daf4a","#984ea3","#ff7f00"] elements =['面粉','糖','奶油','草莓','坚果'] weight1 = [40,15,20,10,15] weight2 = [30,25,15,20,10] plt.pie(weight1, autopct="%3.1f%%", # 百分比显示格式 radius=1, # 半径 pctdistance=0.85, # 百分比文本距离圆心距离 colors=colormaplist, # 颜色 textprops=dict(color= "w"), # 文本设置 labels = elements, # 各类别标签 wedgeprops=dict(width=0.3, edgecolor = 'w')) # 饼图内外边格式设置 plt.pie(weight2, autopct="%3.1f%%", radius=0.7, pctdistance=0.75, colors=colormaplist, #内环形图也使用相同的颜色图，否则会出现同类别的两个数据颜色不对应，不利于观测分析 textprops=dict(color= "w"), wedgeprops=dict(width=0.3, edgecolor = 'w')) # 通过legend函数中的loc和bbox_to_anchor参数控制图例位置 # bbox_to_anchor = （x,y,width,height）具体四个参数含义在后面解释 plt.legend( loc = 'center right',bbox_to_anchor = (1.15,0,0.3,1),fontsize = 15) plt.title('两种草莓蛋糕中配料的比例对比图',fontsize = 17) plt.show()

五、plt.legend()中的bbox_to_anchor = （x,y,width,height)中四个参数的理解

1）bbox_to_anchor 参数用来更好的控制以及调整图例框的位置

2）x,y表示图例框的某个点的坐标位置，而至于那个点是哪里，取决于plt.legend中的参数loc决定，例如：loc = 'center'则x,y表示图例框中心点的位置；

3)width表示将由x,y表示的原图例框的初始位置水平移动多少距离（距离原图例框的宽度）；

height表示将由x,y表示的原图例框的初始位置竖直移动多少距离（距离原图例框的高度）；

下面用作图来理解：

fig,ax = plt.subplots(2,1,figsize = (8,5)) ax[0].scatter(0.5,0.5,label = '(0.5,0.5,0,0)') ax[0].legend(loc = 'upper right',bbox_to_anchor = (0.5,0.5,0,0),prop={'size':20}) ax[0].set_xlim(0,1) ax[0].set_ylim(0,1) ax[1].scatter(0.5,0.5,label = '(0.5,0.5,0.5,0.5)') ax[1].legend(loc = 'upper right',bbox_to_anchor = (0.5,0.5,0.5,0.5),prop={'size':20}) ax[1].set_xlim(0,1) ax[1].set_ylim(0,1) plt.subplots_adjust(hspace=0.2) plt.show()

由上图第一个子图可知：图例框的右上顶点（'upper right'）对应点（0.5,0.5）；由第二个子图可知：当width，height设置0.5时,表示新的图例框距离原图例框位置水平跟垂直距离0.5的位置，此时新图例框右上顶点的位置为（1,1）。

【本文地址】

公司简介

联系我们

今日新闻

推荐新闻

专题文章