本文目錄一覽：
如何畫餅圖
下面以excel2007為例說明1.畫餅狀圖首先選中要畫圖的列的數據，然後選擇插入-》餅狀圖即可。見圖1和圖2.圖2顯示的插入餅狀圖的效果。2.通過上面的步驟，我們已經可以看到一個簡單的病狀圖已經成功插入了，但是要做到正確插入和美觀還有許多工作要做。下面要給這個餅狀圖差一個圖的標題，具體步驟見下圖。圖展示的添加的標題，標題添加後雙擊文字就可以輸入文字進行修改了
搜索
免費自學excel教程全套
excel100個常用技巧
表格技巧大全
900套excel全套圖表
數據分析全套圖表
excel表格製作方法
在python中，給字典排序並畫餅圖
#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
res= {
11:234,
44:565,
22:453,
33:767,
55:890,
66:67,
77:88
}
labels = []
fracs = []
for k,v in res.items():
labels.append(str(k))
fracs.append(v)
explode = [0, 0, 0, 0] # 0.1 凸出這部分，
plt.axes(aspect=1) # set this , Figure is round, otherwise it is an ellipse
# autopct ，show percet
plt.pie(x=fracs, labels=labels, explode=None, autopct=’%3.1f %%’,
shadow=True, labeldistance=1.1, startangle=90, pctdistance=0.6
)
”’
labeldistance，文本的位置離遠點有多遠，1.1指1.1倍半徑的位置
autopct，圓裏面的文本格式，%3.1f%%表示小數有三位，整數有一位的浮點數
shadow，餅是否有陰影
startangle，起始角度，0，表示從0開始逆時針轉，為第一塊。一般選擇從90度開始比較好看
pctdistance，百分比的text離圓心的距離
patches, l_texts, p_texts，為了得到餅圖的返回值，p_texts餅圖內部文本的，l_texts餅圖外label的文本
”’
plt.show()
如何使用Python繪製餅圖
我們在運用Python製作各種圖形的時候，經常需要繪製餅圖。那麼如何用Python繪製餅圖呢？下面我給大家分享演示一下。
工具/材料
Pycharm
首先我們需要在Excel文件中準備好餅圖的數據，如下圖所示
接下來我們打開Pycharm，新建Python文件，導入Python的pandas庫，利用pandas將Excel數據加載到緩存中，如下圖所示
然後我們在導入pyplot庫，運用pyplot庫的pie進行餅圖的繪製，如下圖所示
接着運行程序以後我們就可以看到一張如下圖所示的餅圖了，但是四周的名稱和Excel中的還是不太一樣，接下來修改四周的名稱
我們在運用pandas庫加載Excel數據文件的時候加上index_col屬性即可，如下圖所示
這次在運行程序我們就可以看到餅圖四周的名稱和Excel中的一樣了，如下圖所示
接着我們在運用pyplot中的title和ylable設置餅圖的標題和Y坐標軸的名稱，如下圖所示
最後運行文件就可以看到下面這個信息比較齊全的餅圖了，如下圖所示，到這裡用Python繪製餅圖就結束了
如何系統地學習Python 中 matplotlib，numpy，scipy，pandas
總結一下自己學習，接觸了Numpy，Pandas，Matplotlib，Scipy，Scikit-learn，也算是入門，給出自己的軌跡（略去安裝），並總結一下其他人的答案，最後有彩蛋。
Numpy：
來存儲和處理大型矩陣，比Python自身的嵌套列表（nested list structure)結構要高效的多，本身是由C語言開發。這個是很基礎的擴展，其餘的擴展都是以此為基礎。數據結構為ndarray,一般有三種方式來創建。
Python對象的轉換
通過類似工廠函數numpy內置函數生成：np.arange,np.linspace…..
從硬盤讀取，loadtxt
快速入門：Quickstart tutorial
Pandas:
基於NumPy 的一種工具，該工具是為了解決數據分析任務而創建的。Pandas 納入了大量庫和一些標準的數據模型，提供了高效地操作大型數據集所需的工具。最具有統計意味的工具包，某些方面優於R軟件。數據結構有一維的Series，二維的DataFrame(類似於Excel或者SQL中的表，如果深入學習，會發現Pandas和SQL相似的地方很多，例如merge函數)，三維的Panel（Pan（el) + da(ta) + s，知道名字的由來了吧）。學習Pandas你要掌握的是：
匯總和計算描述統計，處理缺失數據 ，層次化索引
清理、轉換、合併、重塑、GroupBy技術
日期和時間數據類型及工具（日期處理方便地飛起）
快速入門：10 Minutes to pandas
Matplotlib:
Python中最著名的繪圖系統，很多其他的繪圖例如seaborn（針對pandas繪圖而來）也是由其封裝而成。創世人John Hunter於2012年離世。這個繪圖系統操作起來很複雜，和R的ggplot,lattice繪圖相比顯得望而卻步，這也是為什麼我個人不丟棄R的原因，雖然調用
plt.style.use(“ggplot”)
繪製的圖形可以大致按照ggplot的顏色顯示，但是還是感覺很雞肋。但是matplotlib的複雜給其帶來了很強的定製性。其具有面向對象的方式及Pyplot的經典高層封裝。
需要掌握的是：
散點圖，折線圖，條形圖，直方圖，餅狀圖，箱形圖的繪製。
繪圖的三大系統：pyplot，pylab(不推薦)，面向對象
坐標軸的調整，添加文字注釋，區域填充，及特殊圖形patches的使用
金融的同學注意的是：可以直接調用Yahoo財經數據繪圖（真。。。）
Pyplot快速入門：Pyplot tutorial
Scipy：
方便、易於使用、專為科學和工程設計的Python工具包.它包括統計,優化,整合,線性代數模塊,傅里葉變換,信號和圖像處理,常微分方程求解器等等。
基本可以代替Matlab，但是使用的話和數據處理的關係不大，數學系，或者工程系相對用的多一些。（略）
近期發現有個statsmodel可以補充scipy.stats，時間序列支持完美
Scikit-learn：
關注機器學習的同學可以關注一下，很火的開源機器學習工具，這個方面很多例如去年年末Google開源的TensorFlow，或者Theano，caffe(賈揚清)，Keras等等，這是另外方面的問題。
主頁：An introduction to machine learning with scikit-learn
圖書：
Pandas的創始者：利用Python進行數據分析 (豆瓣)（力薦）
教材的集合：Scipy Lecture Notes（寫的非常棒！遺憾缺少Pandas）
提升自己：機器學習實戰 (豆瓣)
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hk/n/311340.html
微信掃一掃 
支付寶掃一掃 