Python餅狀圖詳解

一、餅狀圖介紹

餅狀圖（Pie Chart）是數據可視化中的一種常見形式，可用於表示不同部分與整體的數量比例。通過將數據劃分為不同的部分，餅狀圖可以呈現各部分對總體的貢獻程度。

Python提供了多個庫用於繪製餅圖，其中最常用的是Matplotlib和Seaborn。下面，我們將以Matplotlib為例，介紹如何使用Python繪製餅狀圖。

二、繪製基本餅狀圖

在Matplotlib中，繪製餅狀圖需要先導入pyplot模塊，並使用pie()函數來創建圖形。下面是一段示例代碼：

import matplotlib.pyplot as plt

# 定義數據
labels = ['A', 'B', 'C', 'D']
data = [30, 20, 10, 40]

# 繪製基本餅狀圖
plt.pie(data, labels=labels)

# 顯示圖形
plt.show()

首先，我們定義了一個包含標籤和數據的列表。然後，使用pie()函數繪製圖形，其中data參數表示各部分的數據，labels參數表示各部分的標籤。

最後，我們使用show()函數來顯示圖形。在運行這段代碼之後，我們可以看到一個基本的餅狀圖呈現在屏幕上。

三、調整餅狀圖樣式

雖然Matplotlib默認的餅狀圖已經足夠清晰易懂，但是我們還可以通過一些函數來調整圖形的樣式，增強可視化效果。下面是一些常用的函數：

1. explode參數

explode參數用於將餅狀圖中的某些部分「彈出」來突出顯示。例如，我們可以將D部分的值從40改為50，然後用explode參數將其彈出：

import matplotlib.pyplot as plt

# 定義數據
labels = ['A', 'B', 'C', 'D']
data = [30, 20, 10, 50]

# 定義explode參數
explode = (0, 0, 0, 0.1)

# 繪製餅狀圖
plt.pie(data, labels=labels, explode=explode)

# 顯示圖形
plt.show()

在這段代碼中，我們定義了一個長度為4的tuple作為explode參數，其中第4個元素為0.1，表示將D部分的值彈出來。運行代碼之後，我們可以看到整個圖形發生了變化，D部分呈現出「凸起」的狀態。

2. colors參數

colors參數用於指定餅狀圖各部分的顏色。例如，我們可以將B和C兩部分的顏色設為紅色和黃色：

import matplotlib.pyplot as plt

# 定義數據
labels = ['A', 'B', 'C', 'D']
data = [30, 20, 10, 40]

# 定義colors參數
colors = ['#FF0000', '#FFFF00', '#00FF00', '#0000FF']

# 繪製餅狀圖
plt.pie(data, labels=labels, colors=colors)

# 顯示圖形
plt.show()

在這段代碼中，我們定義了一個包含4個顏色值的列表作為colors參數，然後再次調用pie()函數繪製餅狀圖。運行代碼後，我們可以看到B部分變為紅色，C部分變為黃色。

3. autopct參數

autopct參數用於在餅狀圖中顯示每個部分所佔的百分比值。例如，我們可以將autopct參數設為’%.2f%%’，表示將每個部分的百分比值保留兩位小數並加上百分號：

import matplotlib.pyplot as plt

# 定義數據
labels = ['A', 'B', 'C', 'D']
data = [30, 20, 10, 40]

# 繪製餅狀圖
plt.pie(data, labels=labels, autopct='%.2f%%')

# 顯示圖形
plt.show()

在這段代碼中，我們調用pie()函數時設置了autopct參數，表示將每個部分的值用百分比的形式顯示。運行代碼後，我們可以看到每個部分的百分比值出現在圖形中，且保留了兩位小數。

四、使用餅狀圖進行數據分析

餅狀圖不僅可以作為一種數據可視化工具，還可以用於進行數據分析。例如，在下面的示例中，我們將使用餅狀圖來比較兩個班級的數學成績分布情況。

import matplotlib.pyplot as plt

# 定義數據
classA = [40, 30, 15, 15]
classB = [20, 25, 30, 25]
labels = ['=80']

# 繪製兩個餅狀圖
fig, ax = plt.subplots(1, 2, figsize=(8, 4))
ax[0].pie(classA, labels=labels, autopct='%.2f%%')
ax[0].set_title('Class A')
ax[1].pie(classB, labels=labels, autopct='%.2f%%')
ax[1].set_title('Class B')

# 顯示圖形
plt.show()

在這段代碼中，我們首先定義了兩個班級的數學成績分布，然後將它們繪製在同一個圖形中。使用subplots()函數創建一個包含兩個子圖的圖形，各自代表一個班級，然後在每個子圖中使用pie()函數繪製餅狀圖。

運行這段代碼後，我們可以看到一個包含兩個餅狀圖的圖形，它們分別代表兩個不同班級的數學成績分布情況。通過比較這兩個圖形，我們可以發現Class A班級的成績相對較為均衡，而Class B班級的成績則呈現出較為集中的趨勢。