Python基于Matplotlib绘制饼图的详细教程

目录

• 引言
• 一、基础饼图绘制
• 1. 核心语法与最简示例
• 2. 核心参数解析（基础版）
• 二、进阶优化：突出重点、提升可读性
• 1. 突出核心分类（explode参数）
• 2. 优化标签样式（字体、位置）
• 3. 处理小占比类别（避免标签重叠）
• 三、特殊场景：环形饼图（空心饼图）
• 四、饼图绘制注意事项

饼图是数据可视化中经典的占比类图表，核心用于展示各分类在整体中的比例关系，尤其适合类别数量较少（建议不超过8类）的场景。本文基于Matplotlib详解饼图的绘制方法，涵盖基础绘制、样式定制、进阶优化等核心知识点，结合实战案例让你快速掌握。

Matplotlib绘制饼图的核心函数是plt.pie()，只需传入“各分类数值”即可生成基础饼图。 示例：展示某电商平台各品类销售额占比

import matplotlib.pyplot as plt

# 解决中文显示问题（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. 准备数据：分类名称 + 对应数值（数值会自动计算占比）
categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]

# 2. 创建画布
plt.figure(figsize=(8, 8))  # 饼图建议用正方形画布，避免变形

# 3. 绘制基础饼图
plt.pie(sales,  # 核心数据：各分类数值
        labels=categories)  # 分类标签

# 4. 显示图表
plt.title("某电商平台各品类销售额占比", fontsize=14)
plt.show()

参数	作用	示例
x	必选，各分类的数值（非占比，Matplotlib自动计算）	x=[250, 180, 220]
labels	分类标签，对应x的每个数值	labels=["服饰","美妆","食品"]
autopct	显示各部分占比，支持格式字符串	autopct="%1.1f%%"（保留1位小数的百分比）
colors	自定义各扇区颜色	colors=["#FF6B6B","#4ECDC4","#45B7D1"]
startangle	饼图起始角度（默认从x轴正方向开始，逆时针绘制）	startangle=90（从y轴正方向开始）

优化版基础饼图（添加占比、自定义颜色）：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
# 自定义配色（推荐莫兰迪/清新色系，避免刺眼）
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]

plt.figure(figsize=(8, 8))
# 绘制饼图，添加占比和颜色
plt.pie(sales,
        labels=categories,
        autopct="%1.1f%%",  # 显示占比（1位小数）
        colors=colors,
        startangle=90)  # 起始角度90度

plt.title("某电商平台各品类销售额占比", fontsize=14)
plt.axis("equal")  # 强制饼图为正圆形（关键！避免拉伸变形）
plt.show()

通过explode参数可将指定扇区“分离”出来，突出重点类别（如占比最高的“数码”品类）：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]
# explode：对应每个扇区的分离距离，0为不分离，数值越大分离越远
explode = (0, 0, 0, 0.1, 0)  # 仅“数码”扇区分离0.1距离

plt.figure(figsize=(8, 8))
plt.pie(sales,
        labels=categories,
        autopct="%1.1f%%",
        colors=colors,
        startangle=90,
        explode=explode,  # 启用分离效果
        shadow=True)  # 添加阴影，增强立体感

plt.title("某电商平台各品类销售额占比（突出数码品类）", fontsize=14)
plt.axis("equal")
plt.show()

默认标签可能重叠或样式单一，可通过textprops调整标签样式，或手动调整占比标签位置：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["服饰", "美妆", "食品", "数码", "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))
# 绘制饼图并捕获文本对象（用于后续调整）
patches, texts, autotexts = plt.pie(
    sales,
    labels=categories,
    autopct="%1.1f%%",
    colors=colors,
    startangle=90,
    explode=explode,
    shadow=True,
    textprops={"fontsize": 11}  # 统一设置标签字体大小
)

# 单独调整占比标签样式（如颜色、加粗）
for autotext in autotexts:
    autotext.set_color("white")  # 占比文字设为白色
    autotext.set_fontweight("bold")  # 加粗

plt.title("某电商平台各品类销售额占比", fontsize=14)
plt.axis("equal")
plt.show()

若部分类别占比过小（如<5%），可将其合并为“其他”类，或通过pctdistance调整占比标签位置：

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

# 原始数据：含小占比类别
categories = ["服饰", "美妆", "食品", "数码", "家居", "图书", "配饰"]
sales = [250, 180, 220, 300, 150, 30, 20]

# 合并小占比类别（图书+配饰=其他）
new_categories = ["服饰", "美妆", "食品", "数码", "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)  # 占比标签距离圆心的比例（默认0.6，调大避免重叠）

plt.title("某电商平台各品类销售额占比（合并小品类）", fontsize=14)
plt.axis("equal")
plt.show()

环形饼图比普通饼图更美观，且可在中心添加文字，适合展示多层占比或突出视觉效果。 实现原理：绘制两个饼图，外层为数据，内层为白色填充的“空心”。

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["服饰", "美妆", "食品", "数码", "家居"]
sales = [250, 180, 220, 300, 150]
colors = ["#FF6B6B", "#4ECDC4", "#45B7D1", "#96CEB4", "#FECA57"]

plt.figure(figsize=(8, 8))
# 绘制外层数据饼图
plt.pie(sales,
        labels=categories,
        autopct="%1.1f%%",
        colors=colors,
        startangle=90,
        wedgeprops={"width": 0.3})  # width：环形宽度（0-1，越小越细）

# 绘制内层空心（白色填充）
plt.pie([1], colors="white", radius=0.7)  # radius：内层半径（小于外层）

# 中心添加文字
plt.text(0, 0, "总销售额n1100万", ha="center", va="center", fontsize=12)

plt.title("某电商平台各品类销售额占比（环形图）", fontsize=14)
plt.axis("equal")
plt.show()

1. 适用场景：仅用于展示“部分-整体”关系，且类别数不宜过多（建议≤6类），否则扇区过小、可读性差；
2. 避免误导：饼图的视觉效果易受起始角度、扇区顺序影响，若需精准对比占比，优先用柱状图；
3. 正圆形保障：务必添加plt.axis("equal")，否则画布拉伸会导致饼图变形为椭圆；
4. 中文与负号：始终配置rcParams解决中文乱码和负号显示问题；
5. 保存高清图：用plt.savefig("饼图.png", dpi=300, bbox_inches="tight")替代plt.show()，避免文字截断。

以上就是Python基于Matplotlib绘制饼图的详细教程的详细内容，更多关于Python Matplotlib绘制饼图的资料请关注风君子博客其它相关文章！

您可能感兴趣的文章:

• Python使用matplotlib绘制图形大全(曲线图、条形图、饼图等)
• Python 如何利用pandas和matplotlib绘制饼图
• Python+Matplotlib绘制高亮显示饼图的示例代码
• Python数据分析之 Matplotlib 饼图绘制
• Python+matplotlib绘制饼图和堆叠图