Pie 图(饼状图)|学习笔记

简介: 快速学习 Pie 图(饼状图)

开发者学堂课程【Python 常用数据科学库:Pie 图(饼状图)】学习笔记,与课程紧密联系,让用户快速学习知识。

课程地址https://developer.aliyun.com/learning/course/546/detail/7508


Pie 图(饼状图)

对于 Pie 图的绘制,首先需要导入需要的工具。在 Pie 图当中想画某一个时间段男女比例的不同,用圆进行统计,也就叫做 Pie 图,数据直接使用。有了比例之后,就可以按照比例在大圆当中画图。首先就是指定 fixed size。指定图的大小,接下来就是做 Pie 图,做法相似。需要传入一些参数,也就是当前画图的指标,现在在做 Pie 图左边一部分,右边一部分,Explode 就指的是分离程度。用2种不同的颜色,指定2个参数。代码如下:

m = 51212.

f = 40742.

n_perc = m/(m+f)

f_perc = f/(m+f)

colors =["navy,"lightcoral']labels = ['Nale". "Fenale"]

plt.figure(ffgsize=(12,12))

plt.pie([m_perc.f_perc],labels=labels,autopct=1.1f,explode=[0,0.05],colors = colors)

执行代码之后,得到一个 Pie 图。

image.png

上面表示,男生下面表示女生。但其实还需要进行美化。所以对 fixed size 进行缩小。字体也会随着缩小。可以用如下代码对字体进行增大,调节变量,首先前提是需要有这个变量,设置完大小之后,再对其颜色进行设置。总代码如下:

m = 51212.

f = 40742.

n_perc = m/(m+f)

f_perc = f/(m+f)

colors =["navy,"lightcoral']labels = ['Nale". "Fenale"]

plt.figure(ffgsize=(12,12))paches.texts.autotexts=plt.pie([m_perc.f_perc],labels=labels,autopct=1.1f,explode=[0,0.05],colors = colors)

for text in texts+autotexts:

text.set_fontsize(20)

for text in autotexts:

text.set_color(‘white’)

上代码之后。发现图形当中的字体变成了白色,这样 pie 图更好看,还可以的标题。Explored 表示的就是两间距,也就是缝隙。

设置子图布局如下:

原来构造子图大小都必须是一致的,现在想构造不一致的子图大小。也就是一个特别长,一个特别宽,其他都是标准格式。在函数中需要指定标准格,这是第一个参数,第二个参数就是这个3行3列的位置。可以对每一个子图进行自定义。 0,2指的就是第一行最后一个位置,希望它是竖的,那么他就要占用多行,就需要用到 rowspan,如果是多列就是 colspan。代码如下:

ax1=plt.subplot2grid((3,3),(0,0))

ax2=plt.subplot2grid((3,3),(1,0))

ax3 = plt.subplot2grid((3,3),(0,2),rowspan=3)

ax4 =plt.subplot2grid((3,3),(2,0),colspan =2)

ax5 =plt.subplot2grid (3,3),(0,1),rowspan=2)

通过以上的代码。子图布局如下:

image.png

可以通过基本坐标值指定当前子图的布局。

在一个图中再进行嵌套,一个图也能够实现。方法如下:首先导入需要的库,直接复制之前的数据,做两个图,首先需要指定在大图当中嵌套一个小图,那么嵌套的时候需要告诉小图的布局,所以现在需要把子图的位置进行指定。指定 AX2 在当前图中增加一个坐标系,传入指标。代码如下:

import nunpy as np

x = np. linspace(0, 10,1000)

y2=np.sin(x**2)

y1=x**2

fig.ax = plt.subplots()

left,botton,width,height=[0.22,0.45,0.3,0.35]

ax2 = fig.add_axes([left,botton,width,height])

axl.plot(x.yl)

ax2 plot (x.y2)

执行以上代码之后,发现只画出了内部的图,没有画出外部的图。对代码进行修改之后,总代码如下:

import numpy as np

x = np. linspace(0, 10,1000)

y2=np.sin(x**2)

y1=x**2

fig.ax 1= plt.subplots()

left,botton,width,height=[0.22,0.45,0.3,0.35]

ax2 = fig.add_axes([left,botton,width,height])

axl1.plot(x.y1)

ax2 plot (x.y2)

执行以上代码。图像如下:

image.png

当想嵌套一个图时,在最外层图中嵌套图。外层图按照之前的方法画,再加入一个图即可。

相关文章
|
编译器 C++
C++程序中的对象赋值和复制
C++程序中的对象赋值和复制
294 1
|
XML Java 数据库连接
IDEA添加Mapper.xml文件模板
IDEA添加Mapper.xml文件模板
IDEA添加Mapper.xml文件模板
|
6月前
|
JSON 供应链 API
1688 买家订单,订单物流,订单回传接口系列(1688 寻源通 API)
1688寻源通API为开发者提供买家订单、订单物流及订单回传三大接口,助力企业实现订单管理、物流跟踪与信息反馈的自动化。买家订单接口可查询订单详情;订单物流接口支持实时跟踪物流状态;订单回传接口确保企业系统与平台数据同步。结合Python示例代码,企业可轻松集成这些功能,优化内部管理、提升客户体验并支持数据驱动决策。适用于电商订单管理、物流服务和数据分析等场景。
|
11月前
|
存储 数据采集 JSON
你知道吗?html_table可以提取的不止是表格
`html_table` 是一种强大的工具,不仅用于HTML表格解析,还在现代爬虫技术中发挥重要作用。它可以提取、整合、分析和传输多种类型的关键数据。本文从四个方面探讨其功能:关键数据提取(如财经网站的股票信息)、零散信息整合(如电商网站的产品详情)、数据对比分析(如手机性能参数对比)和数据存储与传输(如转换为CSV/JSON格式)。通过Python代码示例,展示了如何利用代理IP、多线程和自定义请求头提高爬虫效率,实现对复杂网页数据的全面抓取和利用。
366 12
你知道吗?html_table可以提取的不止是表格
|
6月前
|
Prometheus 监控 Cloud Native
Spring Boot 可视化监控
本文介绍了如何通过Spring Actuator、Micrometer、Prometheus和Grafana为Spring Boot应用程序添加监控功能。首先创建了一个Spring Boot应用,并配置了Spring Actuator以暴露健康状态和指标接口。接着,利用Micrometer收集应用性能数据,并通过Prometheus抓取这些数据进行存储。最后,使用Grafana将Prometheus中的数据可视化,展示在精美的仪表板上。整个过程简单易行,为Spring Boot应用提供了基本的监控能力,同时也为后续扩展更详细的监控指标奠定了基础。
1141 2
|
12月前
|
机器学习/深度学习 人工智能 数据处理
[python 技巧] 快速掌握Streamlit: python快速原型开发工具
本文旨在快速上手python的streamlit库,包括安装,输入数据,绘制图表,基础控件,进度条,免费部署。
1428 64
[python 技巧] 快速掌握Streamlit: python快速原型开发工具
|
Java 应用服务中间件 Maven
idea+maven+tomcat+spring 创建一个jsp项目
这篇文章介绍了如何在IntelliJ IDEA中使用Maven和Tomcat创建一个JSP项目,包括配置Maven依赖、设置Tomcat服务器、编写JSP页面、创建控制器和配置文件,以及项目的运行结果。
874 0
idea+maven+tomcat+spring 创建一个jsp项目
|
运维 Linux 网络安全
类似宝塔的开源工具
【5月更文挑战第19天】类似宝塔的开源工具
1795 4
|
Java
SpringBoot 拦截器 统一日志 记录用户请求返回日志
SpringBoot 拦截器 统一日志 记录用户请求返回日志
748 0