APP正在开发中...
返回顶部
您的位置： 主页 > 脚本 > python >

收藏
分享到

Python使用Pyecharts绘制精美饼状图的代码

python 来源：互联网 作者：佚名 发布时间：2025-07-24 07:55:05 人浏览
摘要

Pyecharts 简介 Pyecharts 是一个基于 ECharts 的 Python 数据可视化库，它能够帮助用户轻松创建各种交互式图表。作为 ECharts 的 Python 接口，Pyecharts 继承了 ECharts 强大的可视化能力，同时提供了 Pyth

Pyecharts 简介

Pyecharts 是一个基于 ECharts 的 Python 数据可视化库，它能够帮助用户轻松创建各种交互式图表。作为 ECharts 的 Python 接口，Pyecharts 继承了 ECharts 强大的可视化能力，同时提供了 Python 友好的 API 设计，使得数据科学家和分析师能够快速构建专业级的数据可视化作品。

Pyecharts 的核心优势在于：

  • 丰富的图表类型：支持超过 30 种常见图表类型，包括折线图、柱状图、饼图、散点图、地图等
  • 高度可定制化：几乎每个图表元素都可以自定义，从颜色、字体到交互行为
  • 交互式体验：原生支持缩放、拖拽、悬停提示等交互功能
  • 多种输出格式：可输出为 HTML、图片或 Jupyter Notebook 内嵌展示
  • 简洁的 API：采用链式调用设计，代码直观易读

饼状图是数据可视化中展示比例关系的经典图表。本文将基于 Pyecharts 展示多种饼状图的绘制方法，包括基础饼图、南丁格尔玫瑰图等高级形式，并提供完整的代码示例和效果展示。

基础饼状图

展示高中同学职业分布的比例关系：

1

2

3

4

5

6

7

8

9

10

11

12

13

from pyecharts import options as opts

from pyecharts.charts import Pie

 

categories = ['程序员','教师','医生','护士','警察','老板','律师','翻译','运动员']

values = [18, 5, 3, 4, 8, 2, 2, 5, 1]

 

pie = (

    Pie()

    .add('高中同学职业占比', list(zip(categories, values)))

    .set_global_opts(title_opts=opts.TitleOpts(title="职业分布"))

    .set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))

)

pie.render_notebook()

效果特点：

  • 清晰展示各职业占比
  • 悬浮显示具体数值
  • 交互式图例开关

调整图例位置

当图例项较多时，优化图例位置可提升可读性：

1

2

3

4

5

6

7

8

pie = (

    Pie()

    .add('职业占比', list(zip(categories, values)))

    .set_global_opts(

        title_opts=opts.TitleOpts(title="优化图例位置"),

        legend_opts=opts.LegendOpts(pos_left="25%")  # 图例左移

    )

)

关键参数：

  • pos_left/pos_right：控制水平位置
  • pos_top/pos_bottom：控制垂直位置
  • orient：图例方向（horizontal/vertical）

自定义颜色方案

为不同职业分配特定颜色:

1

2

3

4

5

6

7

8

custom_colors = ["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728",

                "#9467bd", "#8c564b", "#e377c2", "#7f7f7f", "#bcbd22"]

 

pie = (

    Pie()

    .add('职业占比', list(zip(categories, values)))

    .set_colors(custom_colors)  # 应用自定义颜色

)

南丁格尔玫瑰图

用半径长度反映数值大小的玫瑰图：

1

2

3

4

5

6

7

8

9

10

11

pie = (

    Pie()

    .add(

        series_name='职业占比',

        data_pair=list(zip(categories, values)),

        rosetype="radius",  # 半径模式

        radius="85%",       # 图表大小

        label_opts=opts.LabelOpts(is_show=False)

    )

    .set_global_opts(legend_opts=opts.LegendOpts(is_show=False))

)

玫瑰图模式说明：

  • radius：半径反映数值大小
  • area：所有扇形角度相同，仅半径不同

滚动图例

当分类过多时使用滚动图例：

1

2

3

4

5

6

7

8

9

10

11

pie = (

    Pie()

    .add('职业占比', list(zip(categories, values)))

    .set_global_opts(

        legend_opts=opts.LegendOpts(

            type_="scroll",      # 滚动模式

            pos_left="80%",      # 右侧放置

            orient="vertical"    # 垂直方向

        )

    )

)

双玫瑰图对比

在同一画布展示两种玫瑰图类型：

1

2

3

4

5

6

7

8

9

10

11

pie = (

    Pie()

    .add("", list(zip(categories, values)),

         radius=["30%", "75%"],

         center=["25%", "50%"],  # 左侧图表

         rosetype="radius")      # 半径模式

    .add("", list(zip(categories, values)),

         radius=["30%", "75%"],

         center=["75%", "50%"],  # 右侧图表

         rosetype="area")        # 面积模式

)

对比效果：

  • 左图：半径+角度双重编码
  • 右图：仅半径编码数据

给读者的学习建议

1. 学习路径规划

对于 Pyecharts 的学习，建议按照以下路径循序渐进：

初级阶段（1-2周）：

  • 掌握基础图表（柱状图、折线图、饼图）的绘制
  • 了解全局配置项和系列配置项的区别
  • 熟悉常见样式设置（颜色、标题、图例等）

中级阶段（2-4周）：

  • 学习组合图表（如折线+柱状图）的绘制
  • 掌握地图和地理坐标系的用法
  • 了解数据预处理与 Pyecharts 的结合

高级阶段（1个月以上）：

  • 研究自定义主题和扩展组件
  • 学习与 Web 框架（如 Flask、Django）的集成
  • 探索大数据量下的性能优化
版权声明 : 本文内容来源于互联网或用户自行发布贡献，该文观点仅代表原作者本人。本站仅提供信息存储空间服务和不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权， 违法违规的内容， 请发送邮件至2530232025#qq.cn(#换@)举报，一经查实，本站将立刻删除。

您可能感兴趣的文章 :

原文链接 :
相关文章
推荐阅读
最新更新
友情链接
  • 本站所有内容来源于互联网或用户自行发布，本站仅提供信息存储空间服务，不拥有版权，不承担法律责任。如有侵犯您的权益，请您联系站长处理！
  • Copyright © 2017-2022 F11.CN All Rights Reserved. F11站长开发者网 版权所有 | 苏ICP备2022031554号-1 | 51LA统计