Python基于Matplotlib繪制餅圖的詳細教程
更新時間：2025年12月16日 09:48:19 作者：永遠是夏天
餅圖是數據可視化中經典的占比類圖表,核心用于展示各分類在整體中的比例關系,本文基于Matplotlib詳解餅圖的繪制方法,涵蓋基礎繪制、樣式定制、進階優(yōu)化等核心知識點,結合實戰(zhàn)案例讓你快速掌握,需要的朋友可以參考下
引言
餅圖是數據可視化中經典的占比類圖表，核心用于展示各分類在整體中的比例關系，尤其適合類別數量較少（建議不超過8類）的場景。本文基于Matplotlib詳解餅圖的繪制方法，涵蓋基礎繪制、樣式定制、進階優(yōu)化等核心知識點，結合實戰(zhàn)案例讓你快速掌握。
一、基礎餅圖繪制
1. 核心語法與最簡示例
Matplotlib繪制餅圖的核心函數是plt.pie()，只需傳入“各分類數值”即可生成基礎餅圖。 示例：展示某電商平臺各品類銷售額占比
import matplotlib.pyplot as plt
# 解決中文顯示問題（通用配置）
plt.rcParams["font.sans-serif"] = ["SimHei"] # Windows
# plt.rcParams["font.sans-serif"] = ["PingFang SC"] # macOS
plt.rcParams["axes.unicode_minus"] = False
# 1. 準備數據：分類名稱 + 對應數值（數值會自動計算占比）
categories = ["服飾", "美妝", "食品", "數碼", "家居"]
sales = [250, 180, 220, 300, 150]
# 2. 創(chuàng)建畫布
plt.figure(figsize=(8, 8)) # 餅圖建議用正方形畫布，避免變形
# 3. 繪制基礎餅圖
plt.pie(sales, # 核心數據：各分類數值
labels=categories) # 分類標簽
# 4. 顯示圖表
plt.title("某電商平臺各品類銷售額占比", fontsize=14)
plt.show()
2. 核心參數解析（基礎版）
| 參數 | 作用 | 示例 |
|---|---|---|
x | 必選，各分類的數值（非占比，Matplotlib自動計算） | x=[250, 180, 220] |
labels | 分類標簽，對應x的每個數值 | labels=["服飾","美妝","食品"] |
autopct | 顯示各部分占比，支持格式字符串 | autopct="%1.1f%%"（保留1位小數的百分比） |
colors | 自定義各扇區(qū)顏色 | colors=["#FF6B6B","#4ECDC4","#45B7D1"] |
startangle | 餅圖起始角度（默認從x軸正方向開始，逆時針繪制） | startangle=90（從y軸正方向開始） |
優(yōu)化版基礎餅圖（添加占比、自定義顏色）：
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
categories = ["服飾", "美妝", "食品", "數碼", "家居"]
sales = [250, 180, 220, 300, 150]
# 自定義配色（推薦莫蘭迪/清新色系，避免刺眼）
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]
plt.figure(figsize=(8, 8))
# 繪制餅圖，添加占比和顏色
plt.pie(sales,
labels=categories,
autopct="%1.1f%%", # 顯示占比（1位小數）
colors=colors,
startangle=90) # 起始角度90度
plt.title("某電商平臺各品類銷售額占比", fontsize=14)
plt.axis("equal") # 強制餅圖為正圓形（關鍵！避免拉伸變形）
plt.show()
二、進階優(yōu)化：突出重點、提升可讀性
1. 突出核心分類（explode參數）
通過explode參數可將指定扇區(qū)“分離”出來，突出重點類別（如占比最高的“數碼”品類）：
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
categories = ["服飾", "美妝", "食品", "數碼", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]
# explode：對應每個扇區(qū)的分離距離，0為不分離，數值越大分離越遠
explode = (0, 0, 0, 0.1, 0) # 僅“數碼”扇區(qū)分離0.1距離
plt.figure(figsize=(8, 8))
plt.pie(sales,
labels=categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
explode=explode, # 啟用分離效果
shadow=True) # 添加陰影，增強立體感
plt.title("某電商平臺各品類銷售額占比（突出數碼品類）", fontsize=14)
plt.axis("equal")
plt.show()
2. 優(yōu)化標簽樣式（字體、位置）
默認標簽可能重疊或樣式單一，可通過textprops調整標簽樣式，或手動調整占比標簽位置：
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
categories = ["服飾", "美妝", "食品", "數碼", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]
explode = (0, 0, 0, 0.1, 0)
plt.figure(figsize=(8, 8))
# 繪制餅圖并捕獲文本對象（用于后續(xù)調整）
patches, texts, autotexts = plt.pie(
sales,
labels=categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
explode=explode,
shadow=True,
textprops={"fontsize": 11} # 統(tǒng)一設置標簽字體大小
)
# 單獨調整占比標簽樣式（如顏色、加粗）
for autotext in autotexts:
autotext.set_color("white") # 占比文字設為白色
autotext.set_fontweight("bold") # 加粗
plt.title("某電商平臺各品類銷售額占比", fontsize=14)
plt.axis("equal")
plt.show()
3. 處理小占比類別（避免標簽重疊）
若部分類別占比過?。ㄈ?lt;5%），可將其合并為“其他”類，或通過pctdistance調整占比標簽位置：
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 原始數據：含小占比類別
categories = ["服飾", "美妝", "食品", "數碼", "家居", "圖書", "配飾"]
sales = [250, 180, 220, 300, 150, 30, 20]
# 合并小占比類別（圖書+配飾=其他）
new_categories = ["服飾", "美妝", "食品", "數碼", "家居", "其他"]
new_sales = [250, 180, 220, 300, 150, 50]
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57", "#DDA0DD"]
plt.figure(figsize=(8, 8))
plt.pie(new_sales,
labels=new_categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
pctdistance=0.85) # 占比標簽距離圓心的比例（默認0.6，調大避免重疊）
plt.title("某電商平臺各品類銷售額占比（合并小品類）", fontsize=14)
plt.axis("equal")
plt.show()
三、特殊場景：環(huán)形餅圖（空心餅圖）
環(huán)形餅圖比普通餅圖更美觀，且可在中心添加文字，適合展示多層占比或突出視覺效果。 實現原理：繪制兩個餅圖，外層為數據，內層為白色填充的“空心”。
import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
categories = ["服飾", "美妝", "食品", "數碼", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]
plt.figure(figsize=(8, 8))
# 繪制外層數據餅圖
plt.pie(sales,
labels=categories,
autopct="%1.1f%%",
colors=colors,
startangle=90,
wedgeprops={"width": 0.3}) # width：環(huán)形寬度（0-1，越小越細）
# 繪制內層空心（白色填充）
plt.pie([1], colors="white", radius=0.7) # radius：內層半徑（小于外層）
# 中心添加文字
plt.text(0, 0, "總銷售額\n1100萬", ha="center", va="center", fontsize=12)
plt.title("某電商平臺各品類銷售額占比（環(huán)形圖）", fontsize=14)
plt.axis("equal")
plt.show()
四、餅圖繪制注意事項
- 適用場景：僅用于展示“部分-整體”關系，且類別數不宜過多（建議≤6類），否則扇區(qū)過小、可讀性差；
- 避免誤導：餅圖的視覺效果易受起始角度、扇區(qū)順序影響，若需精準對比占比，優(yōu)先用柱狀圖；
- 正圓形保障：務必添加
plt.axis("equal")，否則畫布拉伸會導致餅圖變形為橢圓； - 中文與負號：始終配置
rcParams解決中文亂碼和負號顯示問題； - 保存高清圖：用
plt.savefig("餅圖.png", dpi=300, bbox_inches="tight")替代plt.show()，避免文字截斷。
以上就是Python基于Matplotlib繪制餅圖的詳細教程的詳細內容，更多關于Python Matplotlib繪制餅圖的資料請關注腳本之家其它相關文章！
相關文章
本文介紹了不同Python版本與Supervisor的兼容性,針對Windows環(huán)境提供了特定版本推薦,并強調了路徑處理、進程管理和服務集成的注意事項,同時,還提到了安裝時的依賴要求及驗證兼容性的方法2026-04-04
本文給大家分享selenium在scrapy中的使用代碼，使用selenium可以很好的幫助我們獲取一些重要數據信息，本文通過代碼給大家詳細介紹，感興趣的朋友跟隨小編一起看看吧2021-05-05
這篇文章主要介紹了Python 多維List創(chuàng)建的問題小結，詳細的介紹了遇到的一個小問題的解決方法，具有一定的參考價值，感興趣的小伙伴們可以參考一下2019-01-01
這篇文章主要介紹了通過實例解析Python文件操作實現步驟,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-09-09
這篇文章主要介紹了python3顯式變量類型typing的實現,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-09-09
Python高級編程之消息隊列(Queue)與進程池(Pool)實例詳解
這篇文章主要介紹了Python高級編程之消息隊列(Queue)與進程池(Pool),結合實例形式詳細分析了Python消息隊列與進程池的相關原理、使用技巧與操作注意事項,需要的朋友可以參考下2019-11-11
這篇文章主要介紹了Python openpyxl模塊原理及用法解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2020-01-01
今天小編就為大家分享一篇python實現求兩個字符串的最長公共子串方法，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-07-07
這篇文章主要介紹了基于keras中的回調函數用法說明，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-06-06
這篇文章主要介紹了Django中使用極驗Geetest滑動驗證碼過程解析,文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值,需要的朋友可以參考下2019-07-07