Python數據可視化中的環形圖是怎樣的

今天給大家介紹一下Python數據可視化中的環形圖是怎樣的。文章的內容小編覺得不錯，現在給大家分享一下，覺得有需要的朋友可以了解一下，希望對大家有所幫助，下面跟著小編的思路一起來閱讀吧。

1.引言

環形圖（圓環）在功能上與餅圖相同，整個環被分成不同的部分，用各個圓弧來表示每個數據所占的比例值。但其中心的空白可用于顯示其他相關數據展示，相比于標準餅圖提供了更豐富的數據信息輸出。

在本文中，我們將介紹 Matplolib中繪制圓環圖的兩種方法。使用餅圖和參數wedgeprops 的簡單方法，以及使用極軸和水平條形圖的復雜方法。

2.方式一：餅圖形式

在 Matplotlib 中沒有繪制圓環圖的直接方法，但我們可以使用餅圖中的參數wedgeprops來快速地將餅圖轉換為環形圖。

首先我們先來畫一個簡單的餅圖：

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

結果如下：

接著我們添加參數wedgeprops 并定義環形圖邊緣的寬度,代碼如下：

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

結果如下：

這很簡單。現在我們可以使用中心的空間來使我們的數據更加明顯。

代碼如下：

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()

結果如下：

當我們有一個簡單的比較需要顯示時，圓環圖特別有用。在我看來，使用它們的最佳方式是像一個圓形進度條，比如我們有一個單一的比例要突出顯示的例子。

當然，我們可以進一步簡化上圖圖表。

代碼如下：

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()

結果如下：

3.方式二：條形圖形式

盡管此解決方案比前一個解決方案更復雜，但它為定制提供了一些令人興奮的選項。

我們還是從一個簡單的例子開始，代碼如下：

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()

結果如下：

接著我們來處理角度，我們必須先轉換每個元素的 x 坐標，然后再將其添加到軸上。

代碼如下：

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()

結果如下：

使用此方法我們也達到了上述同樣的效果；當然此時我們添加多個進度條、定義它們之間的距離來使得可視化效果更加豐富。

代碼如下：

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()

結果如下：

python可以做什么

Python是一種編程語言，內置了許多有效的工具，Python幾乎無所不能，該語言通俗易懂、容易入門、功能強大，在許多領域中都有廣泛的應用，例如最熱門的大數據分析，人工智能，Web開發等。

以上就是Python數據可視化中的環形圖是怎樣的的全部內容了，更多與Python數據可視化中的環形圖是怎樣的相關的內容可以搜索億速云之前的文章或者瀏覽下面的文章進行學習哈！相信小編會給大家增添更多知識,希望大家能夠支持一下億速云！