4.5Python数据处理篇之Matplotlib系列(五)---plt.pie()饼状图
目录
前言
饼状图需要导入的是:
plt.pie(x, labels= )
(一)简单的饼状图
(1)说明:
pyplot.``pie
(x, explode=None, labels=None……)
参考文档:官方说明文档
属性 | 说明 | 类型 |
---|---|---|
x | 数据 | list |
labels | 标签 | list |
autopct | 数据标签 | %0.1%% 保留一位小数 |
explode | 突出的部分 | list |
shadow | 是否显示阴影 | bool |
pctdistance | 数据标签的距离圆心位置 | 0~1 |
labeldistance | 标签的比例 | float |
startangle | 开始绘图的角度 | float |
radius | 半径长 | 默认是1 |
(2)源代码:
# 导入模块
import matplotlib.pyplot as plt
# 数据
labels = ["A", "B", "c", "d"]
fracs = [15, 30, 45, 10]
# 画图
plt.pie(x=fracs, labels=labels)
# 展示
plt.show()
(3)展示效果:
(二)添加阴影和突出部分
(1)说明:
添加一些两属性:
explode=exp, shadow=True
(2)原代码:
# 导入模块
import matplotlib.pyplot as plt
# 数据
labels = ["A", "B", "c", "d"]
fracs = [15, 30, 45, 10]
exp = [0, 0.1, 0, 0]
# 画图
plt.pie(x=fracs, labels=labels, explode=exp, shadow=True)
# 展示
plt.show()
(3)输出效果:
(三)显示图例和数据标签:
(1)说明:
添加属性:(显示数据标签)
autopct="%0.2f%%"
添加代码:(显示图例)
plt.legend()
(2)原代码:
# 导入模块
import matplotlib.pyplot as plt
# 数据
labels = ["A", "B", "c", "d"]
fracs = [15, 30, 45, 10]
exp = [0, 0.1, 0, 0]
# 画图
plt.pie(x=fracs, labels=labels, explode=exp, shadow=True, autopct="%0.2f%%")
# 显示图例
plt.legend()
# 展示
plt.show()
(3)输出效果:
作者:Mark
日期:2019/02/13 周三
4.5Python数据处理篇之Matplotlib系列(五)---plt.pie()饼状图的更多相关文章
- 4.3Python数据处理篇之Matplotlib系列(三)---plt.plot()折线图
目录 前言 (一)plt.plot()函数的本质 ==1.说明== ==2.源代码== ==3.展示效果== (二)plt.plot()函数缺省x时 ==1.说明== ==2.源代码== ==3.展示 ...
- 4.6Python数据处理篇之Matplotlib系列(六)---plt.hist()与plt.hist2d()直方图
目录 目录 前言 (一)直方图 (二)双直方图 目录 前言 今天我们学习的是直方图,导入的函数是: plt.hist(x=x, bins=10) 与plt.hist2D(x=x, y=y) (一)直方 ...
- 4.4Python数据处理篇之Matplotlib系列(四)---plt.bar()与plt.barh条形图
目录 目录 前言 (一)竖值条形图 (二)水平条形图 1.使用bar()绘制: 2.使用barh()绘制: (三)复杂的条形图 1.并列条形图: 2.叠加条形图: 3.添加图例于数据标签的条形图: 目 ...
- 4.2Python数据处理篇之Matplotlib系列(二)---plt.scatter()散点图
目录 目录 前言 (一)散点图的基础知识 (二)相关性的举例 ==1.正相关== ==1.负相关== ==1.不相关== (三)实战项目以一股票的分析 目录 前言 散点图是用于观测数据的相关性的,有正 ...
- 5.5Python数据处理篇之Sympy系列(五)---解方程
目录 目录 前言 (一)求解多元一次方程-solve() 1.说明: 2.源代码: 3.输出: (二)解线性方程组-linsolve() 1.说明: 2.源代码: 3.输出: (三)解非线性方程组-n ...
- 3.5Python数据处理篇之Numpy系列(五)---numpy文件的存取
目录 目录: (一)以文本形式存取 1.说明: 2.语法解释: 3.实例(以.csv文件为例) 4.效果展示 (二)以任意的形式存取 1.说明: 2.语法解释: 3.实例(以.bat二进制文件为例) ...
- 4.7Python数据处理篇之Matplotlib系列(七)---matplotlib原理分析
目录 目录 前言 (一)总框架分析 (二)函数式的绘图 1.说明: 2.函数绘图的缺优点 3.绘图类的函数 4.操作类的函数 5.例子: (三)面向对象式的绘图 1.基本概念 2.基本对象 3.面向对 ...
- matplotlib学习日记(五)-各种饼状图的绘制
(一)分裂式饼状图 import matplotlib as mpl import matplotlib.pyplot as plt import numpy as np mpl.rcParams[& ...
- 利用Tkinter和matplotlib两种方式画饼状图
当我们学习python的时候,总会用到一些常用的模块,接下来我就详细讲解下利用两种不同的方式画饼状图.首先利用[Tkinter]中的canvas画布来画饼状图: from tkinter import ...
随机推荐
- centos安装Nginx1.9.9
今天在安装centos的时候,又出现了yum报错的情况,弄了半个小时就弄好,就直接放弃了,使用了VMware快照功能.(快照功能要经常使用,我使用的频率不高,所以这次又造成了以前安装好的很多模块又得重 ...
- React Fiber源码分析 第二篇(同步模式)
先附上两张流程图 1.scheduleRootUpdate 这个函数主要执行了两个操作 1个是创建更新createUpdate并放到更新队列enqueueUpdate, 1个是执行sheculeW ...
- [转]Rabbitmq的使用及Web监控工具使用
本文转自:https://blog.csdn.net/xingxing513234072/article/details/51014850 一.文档资料 1.官方网站:http://ww ...
- 第一册:lesson sixty seven。
原文: The weekend. A:Hello , were you an tht butcher's? B:Yes I was. A:Were you at the butcher's too? ...
- 数据库部分(MySql)_3
表设计之关联关系 一对一:有两张表A和B,A表中有一条数据对应B表中的一条数据称为一对一: 应用场景:用户表和用户扩展表,商品表和商品信息扩展表: 如何建立关系:在从表中添加一个外键字段指向主表的主键 ...
- [leetcode](4.21)3. 最长重复子串
给定字符串 S,找出最长重复子串的长度.如果不存在重复子串就返回 0. 示例 1: 输入:"abcd" 输出:0 解释:没有重复子串. 示例 2: 输入:"abbaba& ...
- 【Java每日一题】20170210
20170209问题解析请点击今日问题下方的“[Java每日一题]20170210”查看(问题解析在公众号首发,公众号ID:weknow619) package Feb2017; public cla ...
- JSJ—类与对象
当你在设计类时,要记得对象时靠类的模型塑造出来的,你可以这样看: ——对象是已知事物 ——对象会执行的动作 对象本身已知的事物称为实例变量,它们代表对象的状态(数据),且该类型的每一个对象都会独立的拥 ...
- jQuery 练习:取出数组字典的值, 静态对话框, clone方法应用
jQuery 中文API文档 http://jquery.cuishifeng.cn/ jQuery 取出数组字典的值 <head> <meta charset="UTF- ...
- Python中字典dict
dict字典 字典是一种组合数据,没有顺序的组合数据,数据以键值对形式出现 # 字典的创建 # 创建空字典1 d = {} print(d) # 创建空字典2 d = dict() print(d) ...