1.引言

环形图（圆环）在功能上与饼图相同，整个环被分成不同的部分，用各个圆弧来表示每个数据所占的比例值。但其中心的空白可用于显示其他相关数据展示，相比于标准饼图提供了更丰富的数据信息输出。

在本文中，我们将介绍 Matplolib中绘制圆环图的两种方法。使用饼图和参数wedgeprops 的简单方法，以及使用极轴和水平条形图的复杂方法。

闲话少说，我们直接开始吧。：）

2.方式一：饼图形式

在 Matplotlib 中没有绘制圆环图的直接方法，但我们可以使用饼图中的参数wedgeprops来快速地将饼图转换为环形图。

首先我们先来画一个简单的饼图：

import matplotlib.pyplot as plt
plt.pie([87,13], startangle=90, colors=['#5DADE2', '#515A5A'])
plt.show()

结果如下：

接着我们添加参数wedgeprops 并定义环形图边缘的宽度,代码如下：

fig, ax = plt.subplots(figsize=(6, 6))ax.pie([87,13], wedgeprops={'width':0.3}, startangle=90, colors=['#5DADE2', '#515A5A'])
plt.show()

结果如下：

这很简单。现在我们可以使用中心的空间来使我们的数据更加明显。代码如下：

fig, ax = plt.subplots(figsize=(6, 6))
wedgeprops = {'width':0.3, 'edgecolor':'black', 'linewidth':3}
ax.pie([87,13], wedgeprops=wedgeprops, startangle=90, colors=['#5DADE2', '#515A5A'])
plt.title('Worldwide Access to Electricity', fontsize=24, loc='left')
plt.text(0, 0, "87%", ha='center', va='center', fontsize=42)
plt.text(-1.2, -1.2, "Source: ourworldindata.org/energy-access", ha='left', va='center', fontsize=12)
plt.show()

结果如下：

当我们有一个简单的比较需要显示时，圆环图特别有用。在我看来，使用它们的最佳方式是像一个圆形进度条，比如我们有一个单一的比例要突出显示的例子。

当然，我们可以进一步简化上图图表。代码如下：

fig, ax = plt.subplots(figsize=(6, 6))
data = [87, 13]
wedgeprops = {'width':0.3, 'edgecolor':'black', 'lw':3}
patches, _ = ax.pie(data, wedgeprops=wedgeprops, startangle=90, colors=['#5DADE2', 'white'])
patches[1].set_zorder(0)
patches[1].set_edgecolor('white')
plt.title('Worldwide Access to Electricity', fontsize=24, loc='left')
plt.text(0, 0, f"{data[0]}%", ha='center', va='center', fontsize=42)
plt.text(-1.2, -1.3, "Source: ourworldindata.org/energy-access", ha='left', va='top', fontsize=12)
plt.show()

结果如下：

3.方式二：条形图形式

尽管此解决方案比前一个解决方案更复杂，但它为定制提供了一些令人兴奋的选项。

我们还是从一个简单的例子开始，代码如下：

from math import pi
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw={'projection':'polar'})
data = 87
startangle = 90
x = (data * pi *2)/ 100 # convert x data from percentage
left = (startangle * pi *2)/ 360 # convert start from angle
ax.barh(1, x, left=left, height=1, color='#5DADE2')
plt.ylim(-3, 3)
plt.show()

结果如下：

接着我们来处理角度，我们必须先转换每个元素的 x 坐标，然后再将其添加到轴上。代码如下：

from math import pi
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw={'projection':'polar'})
data = 87
startangle = 90
x = (data * pi *2)/ 100
left = (startangle * pi *2)/ 360 #this is to control where the bar starts
plt.xticks([])
plt.yticks([])
ax.spines.clear()
ax.barh(1, x, left=left, height=1, color='#5DADE2')
plt.ylim(-3, 3)
plt.text(0, -3, "87%", ha='center', va='center', fontsize=42)
plt.show()

结果如下：

使用此方法我们也达到了上述同样的效果；当然此时我们添加多个进度条、定义它们之间的距离来使得可视化效果更加丰富。
代码如下：

from math import pi
import numpy as np
from matplotlib.patches import Patch
from matplotlib.lines import Line2D
fig, ax = plt.subplots(figsize=(6, 6))
ax = plt.subplot(projection='polar')
data = [82, 75, 91]
startangle = 90
colors = ['#4393E5', '#43BAE5', '#7AE6EA']
xs = [(i * pi *2)/ 100 for i in data]
ys = [-0.2, 1, 2.2]
left = (startangle * pi *2)/ 360 #this is to control where the bar starts
# plot bars and points at the end to make them round
for i, x in enumerate(xs):ax.barh(ys[i], x, left=left, height=1, color=colors[i])ax.scatter(x+left, ys[i], s=350, color=colors[i], zorder=2)ax.scatter(left, ys[i], s=350, color=colors[i], zorder=2)plt.ylim(-4, 4)
# legend
legend_elements = [Line2D([0], [0], marker='o', color='w', label='Group A', markerfacecolor='#4393E5', markersize=10),Line2D([0], [0], marker='o', color='w', label='Group B', markerfacecolor='#43BAE5', markersize=10),Line2D([0], [0], marker='o', color='w', label='Group C', markerfacecolor='#7AE6EA', markersize=10)]
ax.legend(handles=legend_elements, loc='center', frameon=False)
# clear ticks, grids, spines
plt.xticks([])
plt.yticks([])
ax.spines.clear()
plt.show()

结果如下：

4.总结

本文介绍了使用两种不同的方式来可视化环形图，并均给出了完整的代码示例。

您学废了吗？

关注公众号《AI算法之道》，获取更多AI算法资讯。

参考

Python数据可视化之环形图相关推荐

Python数据可视化之折线图
Python数据可视化之折线图提示:前言 Python数据可视化之折线图提示:写完文章后,目录可以自动生成,如何生成可参考右边的帮助文档文章目录 Python数据可视化之折线图前言一.导入包 ...
python数据可视化地图_python--地图可视化
python地图可视化可用python包Basemap:本篇总结用到百度的Echars,http://echarts.baidu.com/:Echarts 是百度开源的一个数据可视化 JS 库. 安装 ...
python数据可视化：折线图、条形图、饼状图显示
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. matplotlib是Python的一个强大的2D图形绘制库,使用需要安装 ...
Python数据可视化：象限图的应用
前言本文的文字及图片来源于网络,仅供学习.交流使用,不具有任何商业用途,版权归原作者所有,如有问题请及时联系我们以作处理. 萝卜 | 作者数据不吹牛 | 来源 Python 的绘图功能非常强大,如 ...
Python数据可视化-Matplotlib线性图(折线图等) 代码教学 Part 1
接下来要进行代码教学的几个部分: 画直线图画图 plot函数:(变量颜色线宽线种类图例) gca : get current axis 得到现在的坐标轴散点图加标注的两种方法防止自己的 ...
python饼状图教程_Python数据可视化:饼状图的实例讲解
使用python实现论文里面的饼状图: 原图: python代码实现: # # 饼状图 # plot.figure(figsize=(8,8)) labels = [u'Canteen', u'Sup ...
python画折线图详解-Python数据可视化(一) 绘制折线图和散点图
数据可视化示例对数据可视化的浅认知数据可视化是任何数据科学或机器学习的重要组成部分.可视化能将数据以更加直观的方式展现出来,使数据更加客观.更具说服力.同时,也易于发现隐藏在数据中的规律和意义.尤 ...
最近很火的数据动图python_12个流行的Python数据可视化库总结
总结了10个不同领域的 Python 数据可视化库,有常用的,也有比较小众的. 1. matplotlib matplotlib是Python数据可视化库的OG.尽管它已有十多年的历史,但仍然是Py ...
json树状图可视化_12个流行的Python数据可视化库总结
总结了10个不同领域的 Python 数据可视化库,有常用的,也有比较小众的. 1. matplotlib matplotlib是Python数据可视化库的OG.尽管它已有十多年的历史,但仍然是Pyt ...

Python数据可视化之环形图

1.引言

2.方式一：饼图形式

3.方式二：条形图形式

4.总结

Python数据可视化之环形图相关推荐

最新文章

热门文章