Wykres ciasta morskiego

Searorn to ramy wizualizacji informacji Pythona. Ten ma intuicyjny interfejs użytkownika, estetycznie i pouczające wizualizacje analityczne. Matplotlib to framework oprogramowania, który pozwala użytkownikom tworzyć wykresy deterministyczne, interaktywne i dynamiczne.

Wykres kołowy to figura sferyczna z kolorowymi klinami, która zawiera wszystkie dane. Rozkład informacji numerycznych określa rozmiar każdego segmentu na wykresie kołowym. Wykres kołowy jest narzędziem do analizy wartości liczbowych i kompozycji. Wskazuje odsetek rekordów jako odsetek całkowitej. Ilekroć jeden element z zestawu danych miałby wyższy stosunek względny, jego wymiar klina i percentyl stałby się stosunkowo większy niż którykolwiek z innych segmentów na wykresie kołowym.

Aby wykres kołowy zatrudniał bibliotekę Seaorn w Python, musimy skorzystać z funkcji Matplotlib's Pie () i argumentu palet kolorów Seaorn. Aby zrobić wykres kołowy, dostarczymy zestawy danych, a także żywe kolory.

Pokazamy, jak stworzyć wykresy kołowe za pomocą biblioteki Seaorn w tym samouczku.

Przykład 1:

Kolejny program pokazuje, jak zrobić wykres kołowy z kolorystyką „pastelową”:

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
dane = [100,75, 50, 120, 80]
etykiety = [„Sekcja 1”, „Sekcja 2”, „Sekcja 3”, „Sekcja 4”, „Sekcja 5”]
kolory = SNS.color_palette („pastel”) [0: 7]
plt.Pie (dane, etykiety = etykiety, kolory = kolory, autopct = '%.0f %% ')
plt.pokazywać()

Tutaj dołączamy wymagane pliki nagłówka Matplotlib.Pyplot jako PLT i Seaorn jako SNS. Następnie podajemy etykiety za pomocą terminu „sekcja”. Stosujemy metodę Color_Palette (), aby określić kolor wykresu ciasta, który chcemy wykorzystać. Zapewniamy „pastel” jako jego argument. Biblioteka Seaorn zawiera funkcję Color_Palette (). Zastosowana jest funkcja Pie () modułu MATPlotlib. Ta funkcja rysuje wykres kołowy. Ta metoda zawiera cztery różne parametry. Teraz stosujemy funkcję show () matplotlib.Biblioteka Pyplot do reprezentowania wykresu.

Przykład 2:

W tym przypadku zobaczymy, w jaki sposób używamy „jasnej” kombinacji kolorów, aby narysować wykres kołowy.

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
dane = [67, 23, 78, 46, 90]
etykiety = [„Sekcja 1”, „Sekcja 2”, „Sekcja 3”, „Sekcja 4”, „Sekcja 5”]
kolory = SNS.color_palette („bright”) [0: 7]
plt.Pie (dane, etykiety = etykiety, kolory = kolory, autopct = '%.0f %% ')
plt.pokazywać()

Po zintegrowaniu matplotlib.Pyplot i biblioteki morskie, identyfikujemy zestaw danych. Liczba osób w każdej sekcji pokazano w tym zbiorze danych. Dane te są zapisywane w zmiennej o nazwie „dane” jako tablica. Tytuły są następnie wskazane, wykorzystując słowo kluczowe „sekcja”. Metoda kolorów () służy do określenia odcienia powstałego wykresu ciasta.

Przypisaliśmy wartość „jasna”. Aby stworzyć wykres kołowy bardziej atrakcyjny, modyfikujemy kolorystykę do jaśniejszego odcienia. Metoda kolorów () znajduje się w pakiecie Seaorn. Zastosowana jest funkcja Matplotlib Library's Pie (). Wykres kołowy jest tworzony za pomocą metody. W tej metodologii pojawiło się kilka różnych atrybutów. Aby przedstawić wykres, używamy matplotlib.Metoda show () biblioteki Pyplot.

Przykład 3:

Utwórzmy wykres kołowy, włączając nową kolorystykę, a następnie eksploduj. Przeanalizujemy dodatkową funkcjonalność wykresu kołowego na temat tego, jak zrobić to z biblioteką Matplotlib i biblioteką Seaorn.

importować matplotlib.Pyplot as Plt
importować Seaorn
dane = [20, 63, 95, 57, 41]
Keys = [„Segment 1”, „Segment 2”, „Segment 3”, „Segment 4”, „Segment 5”]
eksploduj = [0, 0.1, 0, 0, 0]
palette_color = Seaborn.color_palette („Dark”)
plt.Pie (dane, etykiety = klawisze, kolory = palette_color,
Expodode = Explode, autopct = '%.0f %% ')
plt.pokazywać()

Przede wszystkim importujemy Matplotlib.pliki nagłówka Pyplot i Seaborn. Deklarujemy dwie zmienne określane przez „dane” i „klawisze”. Zmienna „dane” są przypisywane do niektórych losowych wartości. Zmienna „klawisze” jest przypisywane do znaczników dla tych wartości wymienionych na wykresie kołowym. Zastosowaliśmy atrybut „eksploduj” i nadaliśmy mu różne wartości. Możemy przedstawić uczniów w „segmencie 2” w nowy sposób, stosując parametr eksplodowy, aby był wyróżniającym się kawałkiem. Ustawiliśmy wybuchowe ciasto na drugim segmencie.

Teraz wykorzystujemy metodę biblioteki Seaorn Library w bibliotece Seaorn. Nazywamy tę funkcję, aby wskazać kolor wykresu ciasta. Czas przedstawić dane na wykresie ciasta, więc używamy funkcji Pie () biblioteki PLT. Parametry tej funkcji obejmują dane, etykiety, kolory, eksplodowanie i „autopct” jako jej argumenty.

Aby zapewnić skuteczność, używamy parametru „Autopct”, aby określić proporcję uczniów w każdym plastrze. Do zilustrowania grafu ciasta, PLT.show () Metoda jest wywoływana.

Przykład 4:

W Seaborn stworzymy innowacyjny wykres kołowy. Zmodyfikujemy skalę czcionki do „2.5 ”i dostosuj kolorystykę do„ ciemności ”, ponieważ czcionka należy do rodziny„ arial ”.

importować matplotlib.Pyplot as Plt
Importuj Seaorn jako SNS
Sns.set_theme (palette = "dark", font = "arial", font_scale = 2.5)
dane = [8937, 3949, 9843, 4240, 5698]
miesiące = [„czerwca”, „lipiec”, „sierpień”, „wrzesień”, „październik”]
plt.Pie (dane, etykiety = miesiące)
plt.pokazywać()

Na początku programu wprowadzamy biblioteki. Matplotlib.Biblioteka Pyplot jest importowana jako PLT, a biblioteka Seaorn jest importowana jako SNS. Tutaj stosujemy metodę set_theme () do określenia różnych argumentów, takich jak kolor palety, czcionki i ssajk danych danych. Argumenty te wymagają wartości zmiennoprzecinkowej i ciągu reprezentującego odpowiednio rozmiar i styl czcionki.

W różnych miesiącach przyjmujemy zestaw danych sprzedaży elementów elektronicznych. Po wskazaniu całkowitej sprzedaży definiujemy również nazwy miesięcy. W następnym etapie wywołujemy funkcję Pie () modułu Matplotlib, aby narysować wykres kołowy. Na koniec PLT.show () służy do wyświetlania wykresu kołowego.

Wniosek

W tym artykule nauczyliśmy się wielu metod tworzenia wykresu kołowego za pomocą pakietu Seaorn. Narysowaliśmy również wykresy kołowe, zapewniając jasne i pastelowe schematy kolorów. Chociaż pakiet Python Visual Analytics Searborn nie mógł mieć predefiniowanej metody tworzenia wykresów kołowych, zastosowaliśmy metody biblioteki Matplotlib do uzyskania wykresu kołowego, a następnie wykorzystaliśmy parametr palety kolorów Seaorn Library biblioteki.