当前位置: 首页 > news >正文

数据可视化(3)

1.饼状图

#饼状图
#pie(x,labels,colors,labeldistance,autopct,startangle,radius,center,textprops)
#x,每一块饼状图的比例
#labels:每一块饼形图外侧显示的文字说明
#labeldistance:标记的绘制位置,相对于半径的比例,默认值为1:1
#autopct:设置饼图百分比,可以使用格式化字符串或format函数
#startangle:起始绘制角度,默认是x轴正方向逆时针画起
#radius饼图半径,默认值1
#center:浮点类型的列表,可选参数,默认值为(0,0)表示图表中心的位置
#textprops:设置标签和比例文字的格式,字典类型x=[10,34,5,56,58,65]
plt.pie(x,autopct='%1.1f%%')
plt.show()

2.基础饼图

 

#基础饼状图
df=pd.read_excel('收集销售.xlsx')
#解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
x=df['北京出库销量']
labels=df['商品名称']
plt.figure(figsize=(10,6))
#设置x,y轴刻度一致
plt.axis('equal')plt.title('手机品牌出库销售分析')
#设置图例
#frameon设置边框
plt.legend(df['商品名称'],loc='upper left',frameon=False)
plt.pie(x,labels=labels,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12})
plt.show()

3.分裂饼图

#分裂饼状图
df=pd.read_excel('收集销售.xlsx')
#解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
x=df['北京出库销量']
labels=df['商品名称']
plt.figure(figsize=(10,6))
#设置x,y轴刻度一致
plt.axis('equal')plt.title('手机品牌出库销售分析')
#设置图例
#frameon设置边框
plt.legend(df['商品名称'],loc='upper left',frameon=False)
#通过explode设置饼图的距离,达到分裂的效果
#shadow加阴影
plt.pie(x,labels=labels,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12},explode=(0,1,0,0,0,0,0,0,0,0,0),shadow=True)
plt.show()

4.环形饼图

#环形饼状图
df=pd.read_excel('收集销售.xlsx')
#解决乱码
plt.rcParams['font.sans-serif']=['SimHei']
x=df['北京出库销量']
x2=df['上海出库销量']
labels=df['商品名称']
plt.figure(figsize=(10,6))
#设置x,y轴刻度一致
plt.axis('equal')plt.title('北京和上海各手机品牌出库销售分析')
#设置图例
#frameon设置边框
plt.legend(df['商品名称'],loc='upper left',frameon=False)
#通过wedgeprops参数设置环形饼图
#pctdistance设置距离,
plt.pie(x,labels=labels,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12},radius=1,pctdistance=0.85,wedgeprops={'width':0.4,'edgecolor':'k'})
plt.pie(x2,autopct='%1.1f%%',labeldistance=1.02,startangle=90,textprops={'fontsize':12},radius=0.7,pctdistance=0.85,wedgeprops={'width':0.4,'edgecolor':'w'})
plt.show()

http://www.lryc.cn/news/96102.html

相关文章:

  • AI面试官:MD5、DES、RSA、AES加密
  • Shell脚本学习-$$特殊变量
  • vscode中python插件过新导致无法正常debug问题解决安装vscode以前版本python插件教程
  • chrome macos编译
  • Linux环境下Elasticsearch相关软件安装
  • 【趟坑记录】d3.zoom()的正确使用姿势 @d3.v7
  • 基于 Docker + Nginx + Gitlab-runner 实现前端自动化部署流程
  • make/makefile的使用
  • Flutter中Navigator 跳转传参数和反向传参数
  • kettle开发-Day40-AI分流之case/switch
  • MySQL下载与安装
  • c++基础2
  • 虚拟机VMware,linux,centos,如何将项目部署到服务器上面
  • R语言 BPNN 反向传播神经网络
  • 回归预测 | MATLAB实现TCN-BiGRU时间卷积双向门控循环单元多输入单输出回归预测
  • Qt使用QPixmap类和QScreen类来实现简单截图功能
  • 【【51单片机LCD1602模块介绍】】
  • 【Nginx11】Nginx学习:HTTP核心模块(八)文件处理
  • STM32MP157驱动开发——按键驱动(休眠与唤醒)
  • 全面解析 SOCKS5 代理与 HTTP 代理的对比与应用
  • STM32 HEX文件和BIN文件格式区别keil中的配置与生成
  • RabbitMQ优先级队列的使用
  • MAC 推送证书不受信任
  • Gitee创建分支
  • 集群间ssh配置免密登录
  • YOLOV8改进:CVPR 2023 | SCConv: 即插即用的空间和通道重建卷积
  • 人员定位安全管控系统:提升安全管理水平的智能解决方案
  • 数据结构(二)
  • logback 自定义log字段(MDC)推送到logstash(spring boot + logback+ logstash)
  • 1253. 重构 2 行二进制矩阵