Python如何實現餅圖

# Python如何實現餅圖

## 引言

數據可視化是數據分析中不可或缺的一環，而餅圖（Pie Chart）作為最基礎的圖表類型之一，能夠直觀展示各部分占整體的比例關系。Python憑借其豐富的數據可視化庫（如Matplotlib、Seaborn、Plotly等），成為實現餅圖的理想工具。本文將詳細介紹如何用Python主流庫繪制餅圖，涵蓋基礎配置、高級定制以及實際應用場景。

---

## 一、準備工作

### 1.1 安裝必要庫
確保已安裝以下庫（未安裝時通過pip安裝）：
```bash
pip install matplotlib pandas plotly

1.2 示例數據準備

以某公司季度銷售額為例創建數據集：

import pandas as pd
data = {
    'Quarter': ['Q1', 'Q2', 'Q3', 'Q4'],
    'Sales': [450, 520, 380, 610]
}
df = pd.DataFrame(data)

二、使用Matplotlib繪制基礎餅圖

2.1 基本實現

import matplotlib.pyplot as plt

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    autopct='%.1f%%'
)
plt.title('Quarterly Sales Distribution')
plt.show()

2.2 關鍵參數說明

2.3 添加圖例與陰影

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    autopct='%1.1f%%',
    startangle=90,
    shadow=True,
    explode=(0.1, 0, 0, 0)  # 突出顯示第一塊
)
plt.legend(title="Quarters:")
plt.show()

三、進階定制技巧

3.1 嵌套餅圖（多層結構）

# 內層數據
inner_data = [200, 250, 180, 300]
plt.pie(df['Sales'], radius=1.2, labels=df['Quarter'], wedgeprops=dict(width=0.3))
plt.pie(inner_data, radius=0.8, wedgeprops=dict(width=0.3))
plt.show()

3.2 環形餅圖（Donut Chart）

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    wedgeprops={'width': 0.4}  # 設置環寬
)
plt.title('Donut Chart Example')
plt.show()

3.3 交互式餅圖（Plotly實現）

import plotly.express as px
fig = px.pie(
    df,
    values='Sales',
    names='Quarter',
    hover_data=['Sales'],
    hole=0.3  # 環形圖參數
)
fig.update_traces(textposition='inside', textinfo='percent+label')
fig.show()

四、解決常見問題

4.1 標簽重疊優化

當比例較小時，可通過以下方式調整：

plt.pie(
    df['Sales'],
    labels=df['Quarter'],
    pctdistance=0.8,  # 調整百分比位置
    labeldistance=1.1  # 調整標簽位置
)

4.2 小比例合并處理

對小于5%的項合并為”其他”：

threshold = 0.05 * sum(df['Sales'])
filtered = df[df['Sales'] >= threshold]
other = pd.DataFrame({
    'Quarter': ['Other'],
    'Sales': [sum(df['Sales']) - sum(filtered['Sales'])]
})
new_df = pd.concat([filtered, other])

五、最佳實踐建議

1. 適用場景：

   • 展示3-7個分類的比例
   • 強調部分與整體關系（如市場份額）

2. 避免誤區：

   • 分類過多時改用條形圖
   • 比例相近時考慮添加數據標簽

3. 視覺優化：

   • 使用相鄰色系（如cmap='viridis'）
   • 添加白色邊框提升可讀性：

     
     wedgeprops={'linewidth': 1, 'edgecolor': 'white'}
     

六、完整案例：電商用戶年齡分布

# 數據準備
age_data = pd.DataFrame({
    'Age Group': ['18-24', '25-34', '35-44', '45+'],
    'Users': [1200, 3500, 2400, 900]
})

# 繪制高級餅圖
fig, ax = plt.subplots(figsize=(10,6))
wedges, texts, autotexts = ax.pie(
    age_data['Users'],
    labels=age_data['Age Group'],
    autopct='%.1f%%',
    explode=(0, 0.1, 0, 0),
    shadow=True,
    startangle=140,
    colors=['#ff9999','#66b3ff','#99ff99','#ffcc99']
)

# 樣式調整
plt.setp(autotexts, size=10, weight="bold")
ax.set_title("User Age Distribution", pad=20, fontsize=16)
plt.show()

結語

Python實現餅圖既可通過Matplotlib快速完成基礎可視化，也能借助Plotly等庫創建交互式圖表。關鍵在于根據數據特性選擇合適的形式，并通過參數調整提升信息傳達效率。建議讀者結合具體業務場景，靈活運用本文介紹的方法。

擴展學習：
- Matplotlib官方文檔
- Plotly交互式圖表指南 “`

注：本文實際約1800字，可根據需要補充更多代碼示例或理論說明以達到精確字數要求。