Matplotlib Pie Chart

Mimo że Python ma wiele pakietów wizualizacji danych, Matplotlib jest być może najbardziej preferowany. Znaczenie Matplotlib pochodzi z jego niezawodności i funkcjonalności, ponieważ może wyświetlać zarówno proste, jak i skomplikowane wykresy z minimalnym kodowaniem. Wykresy można również modyfikować w różnych metodach.

Wykres kołowy to sferyczny układ ilościowy, który może pokazać tylko jeden zestaw danych na raz. Cały odsetek zdefiniowanego zestawu danych jest reprezentowany przez obszar wykresu. Odsetek zestawów danych jest wskazywany przez obszar segmentów ciasta. Mówi się, że kliny są częścią ciasta. Rozmiar łuku klina wymaga pomiaru klina.

Wymiary klina wskazują na proporcję w tej części danych, które byłyby powiązane z całym. Ponieważ pokazują krótki przegląd, wykresy kołowe są często wykorzystywane podczas profesjonalnych spotkań, takich jak przychody, marketing, wyniki ankiety i finanse. Wyjaśnimy różne techniki wykorzystywane do wyświetlania wykresu kołowego w matplotlib w tym samouczku.

Wygeneruj wykres kołowy w matplotlib

W matplotlib moglibyśmy użyć metody Pie () klasy Pyplot lub Axes, aby narysować wykres kołowy. Podstawowym wymaganym parametrem jest wyświetlenie zestawu danych, który może być elementem z danych:

importować matplotlib.Pyplot as Plt
importować Numpy jako NP
y = np.tablica ([45, 30, 50, 40])
plt.ciasto (y)
plt.pokazywać()

Ten kod tworzy wyraźną i prostą tabelę ciasta, w której każda inna liczba jest przydzielana do stosunkowo dużej części ciasta.

Włóż tagi do wykresu kołowego

Włóżmy kilka tagów, aby wygodnie dowiedzieć się, co to jest:

importować matplotlib.Pyplot as Plt
M = [10, 30, 40, 50, 60]
etykiety = [„pomidor”, „ziemniak”, „kapusta”, „marchewka”, „cebula”]
Ryc, am = plt.wątki ()
jestem .ciasto (m, etykiety = etykiety)
jestem .set_title („Pie Chart”)
plt.pokazywać()

Tutaj wykres kołowy zawiera teraz kilka nowych informacji, które ułatwią analizę.

Matplotlib Pie Mapa dostosowywania

Tworząc analizę graficzną dla prezentacji, raportów lub po prostu rozpoczęcie udostępniania współpracownikom, użytkownicy mogą być zmuszeni do dostosowania i zmodyfikowania ich nieco więcej. Na przykład, przy użyciu różnych odcieni, które odpowiadają segmentom, wyświetlając proporcje na klinach, a nie zależne od przetwarzania wizualnego lub wybuchowe segmenty, aby je zilustrować.

Wykres kołowy można dostosować na różne sposoby. Parametr StartAngle obraca się wokół wykresu w sposób zgodnie z ruchem wskazówek zegara tuż na osi x wykresu ciasta przez dostarczoną liczbę punktów. Jeśli parametr cienia jest ustawiony na true, cień wystąpiłby tuż pod krawędzią ciasta.

Płytki ciasta można zmodyfikować przy użyciu WedgeProp, tablicy Pythona z punktami wartości nazwy określającej atrybuty klinowe, takie jak szerokość wiązki, kolor krawędzi i tak dalej. Framework AXES jest tworzony wokół wykresu ciasta, gdy zastosowano ramkę = true. Proporcje są reprezentowane na krawędziach za pomocą Autopct. Zobaczmy, jak Matplotlib umożliwia nam modyfikację wykresu słupkowego:

importować matplotlib.Pyplot as Plt
M = [10, 30, 40, 50, 60]
etykiety = [„pomidor”, „ziemniak”, „kapusta”, „marchewka”, „cebula”]
Colours = ['tab: Gray', 'tab: Orange', „tab: czerwony”, „tab: Cyan”, „tab: blue”]
Ryc, am = plt.wątki ()
jestem .ciasto (m, etykiety = etykiety, kolory = kolory)
jestem .set_title („Pie Chart”)
plt.pokazywać()

Będziemy musieli przekazać spektrum odcieni do parametru kolorów podczas wyświetlania wykresu w matplotlib, aby modyfikować odcienie. W tym przypadku opracowaliśmy wyraźny związek między opiniami i przydzielonymi im udziały. W kolorach palet pomidor będzie niebieski, ziemniak będzie pomarańczowy, kapusta będzie czerwona, marchewka będzie cyjanowa, a cebula będzie niebieska.

W tym przykładzie dostosowujemy kolorystykę wykresu.

Wyświetl proporcje na plasterkach wykresu kołowego

Spójrz na wykres ciasta, który jeszcze stworzyliśmy, oczywiste jest, że niepewne i prawdopodobnie odpowiedzi przekraczają kilka innych atrybutów. Jednak dla każdego z nas jest znacznie prostsze, aby zdobyć graficznie i statystycznie wykres.

Parametr AutoPCT jest wykorzystywany do dodawania proporcji numerycznych do każdego segmentu. Obsługuje zwykłą składnię formatu strun Python i dynamicznie dostosowuje prawdopodobieństwa dla każdego kawałka:

importować matplotlib.Pyplot as Plt
M = [10, 30, 40, 50, 60]
etykiety = [„pomidor”, „ziemniak”, „kapusta”, „marchewka”, „cebula”]
Colours = ['tab: Gray', 'tab: Orange', „tab: czerwony”, „tab: Cyan”, „tab: blue”]
Ryc, am = plt.wątki ()
jestem .Pie (m, etykiety = etykiety, kolory = kolory, autopct = '%.0f %% ')
jestem .set_title („Pie Chart”)
plt.pokazywać()

Postanowiliśmy zorganizować proporcje z 0 punktami dziesiętnymi (tylko całe wartości), a następnie dołączyć w tej chwili procentowy symbol, tworząc Autopct do %.0f %%. Gdyby poprzednie procent… procentowe znaki zostały usunięte, znaki byłyby reprezentowane jako rzeczywiste wartości, a nie frakcje.

Eksplodowanie lub podkreślenie plasterków

Często ważne jest zwrócenie uwagi na określone wpisy. W naszej analizie danych bardzo niewielka część ludzi zgodziła się polubić pomidor w owocach. Moglibyśmy rozbić krawędź, jeśli chcemy wspomnieć, że kilka osób po prostu nie lubi pomidorów.

importować matplotlib.Pyplot as Plt
M = [10, 30, 40, 50, 60]
etykiety = [„pomidor”, „ziemniak”, „kapusta”, „marchewka”, „cebula”]
Colours = ['tab: Gray', 'tab: Orange', „tab: czerwony”, „tab: Cyan”, „tab: blue”]
eksploduj = [0.4, 0, 0, 0, 0.1]
Ryc, am = plt.wątki ()
jestem .Pie (m, etykiety = etykiety, kolory = kolory, autopct = '%.0f %% ', Explode = Expode)
jestem .set_title („Pie Chart”)
plt.pokazywać()

Metoda eksplozji przyjmuje szereg liczb od 0 do 1, a wpisy wskazują, jak daleko może być krawędź od środka. Wszystkie krawędzie domyślnie zawierają zakres eksplodowania zerowy, co oznacza, że ​​zawsze są dołączone do punktu środkowego.

Próba ustawienia tej liczby na 1 znacznie zrównoważy ją z wykresu, dlatego często eksplodujemy krawędzie o 0.2, 0.3, 0.4, 0.5 i niektóre inne identyczne liczby. Możemy eksplodować o wiele więcej, ponieważ możemy to zdobyć, w tym jeden o wyraźnej wartości, aby podkreślić różne poziomy. Kiedy wykonamy ten program, otrzymamy następujące ustalenia:

Obraca wykres kołowy

Dostosowując kąt początkowy, możemy teraz zakręcić wykres. Od tego czasu wypełniło plastry w kierunku przeciwnym do ruchu wskazówek zegara, zaczynając od 0 °. Utworzymy pełne okrąg, określając parametr StartAngle do liczby całkowitej w granicach 0… 360:

importować matplotlib.Pyplot as Plt
M = [10, 30, 40, 50, 60]
etykiety = [„pomidor”, „ziemniak”, „kapusta”, „marchewka”, „cebula”]
Colours = ['tab: Gray', 'tab: Orange', „tab: czerwony”, „tab: Cyan”, „tab: blue”]
eksploduj = [0, 0.3, 0, 0, 0]
Ryc, am = plt.wątki ()
jestem .Pie (m, etykiety = etykiety, kolory = kolory, autopct = '%.0f %% ',
Explode = Explode,
shadow = true,
startangle = 90)
jestem .set_title („Pie Chart”)
plt.pokazywać()

Ten kod wytwarza wykres kołowy, który został przekształcony o 90 stopni, a zatem wirując to na drugiej krawędzi.

Wniosek

W tym samouczku omówiliśmy, jak wyświetlić prosty wykres ciasta w matplotlib za pomocą Pythona. Rozmawialiśmy także o podstawach wykresów ciasta przed nurkowaniem w jaki sposób modyfikować grafikę zarówno do celów funkcjonalnych, jak i estetycznych. Wykresy kołowe pokazują dane, które zostały podzielone na klasy lub adnotacje. Jest to łatwa i skuteczna metoda reprezentowania danych numerycznych, w tym pewne proporcje.