Python饼图设置标签的方法可以使用Matplotlib库，通过传递labels参数、设置自动百分比显示、调整标签位置、添加阴影和分离饼图片段等方式实现。 其中，最常见的方法是通过传递labels参数来直接设置每个扇形的标签。
例如，考虑下面的代码示例，它演示了如何使用Matplotlib库绘制一个简单的饼图并设置标签：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True, startangle=140)
设置标题
plt.title("Simple Pie Chart with Labels")
显示图形
plt.show()
在这段代码中，我们通过labels参数将标签设置为'A', 'B', 'C', 'D'，并通过autopct参数自动显示百分比。接下来我们会详细介绍这些设置及其更多的高级应用。
一、使用 Matplotlib 绘制饼图
1.1 基本绘制方法
Matplotlib 是一个强大的 Python 数据可视化库，它提供了丰富的绘图功能。要绘制饼图，可以使用 Matplotlib 的pie()函数。pie()函数的基本用法如下：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
绘制饼图
plt.pie(sizes)
显示图形
plt.show()
在这个简单的例子中，我们使用了plt.pie()函数来绘制饼图，并使用plt.show()函数来显示图形。
1.2 设置标签
为了使饼图更具可读性，我们可以为每个扇形添加标签。可以通过labels参数来设置标签：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels)
显示图形
plt.show()
在这个例子中，我们为每个扇形添加了标签'A', 'B', 'C', 'D'。
二、显示百分比
2.1 自动显示百分比
为了在饼图上显示每个扇形所占的百分比，可以使用autopct参数。autopct参数指定了百分比的显示格式，例如'%1.1f%%'表示显示一位小数的百分比：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
显示图形
plt.show()
在这个例子中，我们使用autopct='%1.1f%%'来显示每个扇形所占的百分比。
2.2 自定义百分比格式
如果需要自定义百分比的格式，可以定义一个回调函数并将其传递给autopct参数。例如，以下代码显示了如何将百分比格式化为整数：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
自定义回调函数
def custom_autopct(pct):
return '{:.0f}%'.format(pct)
绘制饼图
plt.pie(sizes, labels=labels, autopct=custom_autopct)
显示图形
plt.show()
在这个例子中，我们定义了一个名为custom_autopct的回调函数，并将其传递给autopct参数。
三、调整标签位置
3.1 使用 labeldistance 参数
可以使用labeldistance参数来调整标签与饼图中心之间的距离。labeldistance参数的值为标签到饼图中心的比例：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', labeldistance=1.1)
显示图形
plt.show()
在这个例子中，我们使用labeldistance=1.1来设置标签与饼图中心之间的距离。
3.2 使用 pctdistance 参数
同样，可以使用pctdistance参数来调整百分比标签与饼图中心之间的距离：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', pctdistance=0.85)
显示图形
plt.show()
在这个例子中，我们使用pctdistance=0.85来设置百分比标签与饼图中心之间的距离。
四、为饼图添加阴影
4.1 使用 shadow 参数
为了使饼图更加美观，可以为饼图添加阴影效果。可以通过shadow参数来添加阴影：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True)
显示图形
plt.show()
在这个例子中，我们使用shadow=True来为饼图添加阴影效果。
五、分离饼图片段
5.1 使用 explode 参数
可以使用explode参数来分离饼图的片段，使其更加突出。explode参数是一个列表，列表中的每个元素表示对应扇形分离的距离：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
explode = (0.1, 0, 0, 0) # 仅分离第一个扇形
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', explode=explode)
显示图形
plt.show()
在这个例子中，我们使用explode=(0.1, 0, 0, 0)来分离第一个扇形，使其更加突出。
六、设置颜色
6.1 使用 colors 参数
可以使用colors参数来设置饼图的颜色。colors参数是一个颜色列表，每个颜色对应一个扇形：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
colors = ['gold', 'yellowgreen', 'lightcoral', 'lightskyblue']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', colors=colors)
显示图形
plt.show()
在这个例子中，我们使用colors参数来设置饼图的颜色。
6.2 使用 colormap
除了直接设置颜色，还可以使用 colormap（颜色映射）来自动生成颜色。可以使用 Matplotlib 提供的 colormap，例如 plt.cm 模块中的 colormap：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
使用 colormap
colors = plt.cm.Paired(np.arange(len(sizes)) / float(len(sizes)))
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', colors=colors)
显示图形
plt.show()
在这个例子中，我们使用了 plt.cm.Paired colormap 来自动生成颜色。
七、设置图例
7.1 使用 legend 方法
可以使用 legend 方法来为饼图添加图例。图例可以帮助识别每个扇形所代表的数据：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
添加图例
plt.legend(labels, loc="best")
显示图形
plt.show()
在这个例子中，我们使用 plt.legend() 方法来添加图例，并设置 loc="best" 来自动选择最佳位置。
7.2 自定义图例
可以自定义图例的外观，例如设置图例的标题、字体大小和颜色等：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
自定义图例
plt.legend(labels, title="Categories", fontsize='small', loc="best")
显示图形
plt.show()
在这个例子中，我们为图例添加了标题，并设置了字体大小。
八、将饼图保存为图像文件
8.1 使用 savefig 方法
可以使用 savefig 方法将饼图保存为图像文件。支持的文件格式包括 PNG、JPEG、PDF 等：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
保存图像
plt.savefig('pie_chart.png')
显示图形
plt.show()
在这个例子中，我们使用 plt.savefig('pie_chart.png') 将饼图保存为 PNG 格式的图像文件。
8.2 设置图像分辨率
可以通过 dpi 参数设置图像的分辨率，单位为每英寸点数（DPI）：
import matplotlib.pyplot as plt
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')
保存图像并设置分辨率
plt.savefig('pie_chart_high_res.png', dpi=300)
显示图形
plt.show()
在这个例子中，我们使用 dpi=300 将图像保存为高分辨率的 PNG 文件。
九、使用 Seaborn 库绘制饼图
9.1 介绍 Seaborn 库
Seaborn 是基于 Matplotlib 的高级数据可视化库，它提供了更高级的图表样式和颜色主题。虽然 Seaborn 本身不直接支持饼图，但我们可以结合 Matplotlib 和 Seaborn 的功能来绘制饼图。
9.2 使用 Seaborn 和 Matplotlib 绘制饼图
首先，导入 Seaborn 库，并设置样式：
import matplotlib.pyplot as plt
import seaborn as sns
设置 Seaborn 样式
sns.set(style="whitegrid")
数据
sizes = [15, 30, 45, 10]
labels = ['A', 'B', 'C', 'D']
绘制饼图
plt.pie(sizes, labels=labels, autopct='%1.1f%%', shadow=True, startangle=140)
设置标题
plt.title("Pie Chart with Seaborn Style")
显示图形
plt.show()
在这个例子中，我们使用 sns.set(style="whitegrid") 设置了 Seaborn 样式，并使用 Matplotlib 的 pie() 函数绘制了饼图。
十、使用 Pandas 库绘制饼图
10.1 介绍 Pandas 库
Pandas 是一个强大的 Python 数据分析库，它提供了便捷的数据操作和分析功能。Pandas 也提供了一些简单的绘图功能，可以直接从数据框中绘制图表。
10.2 使用 Pandas 绘制饼图
可以使用 Pandas 的 plot.pie 方法直接从数据框中绘制饼图：
import pandas as pd
import matplotlib.pyplot as plt
创建数据框
data = {'Category': ['A', 'B', 'C', 'D'], 'Values': [15, 30, 45, 10]}
df = pd.DataFrame(data)
设置索引
df.set_index('Category', inplace=True)
绘制饼图
df.plot.pie(y='Values', autopct='%1.1f%%', shadow=True, startangle=140)
设置标题
plt.title("Pie Chart with Pandas")
显示图形
plt.show()
在这个例子中，我们使用 Pandas 创建了一个数据框，并使用 plot.pie 方法绘制了饼图。
十一、处理大数据集
11.1 分组和聚合数据
对于大数据集，可以使用 Pandas 的分组和聚合功能来处理数据，然后绘制饼图：
import pandas as pd
import matplotlib.pyplot as plt
创建大数据集
data = {'Category': ['A', 'B', 'C', 'D', 'A', 'B', 'C', 'D'],
'Values': [15, 30, 45, 10, 20, 25, 35, 15]}
df = pd.DataFrame(data)
分组和聚合数据
grouped_data = df.groupby('Category').sum()
绘制饼图
grouped_data.plot.pie(y='Values', autopct='%1.1f%%', shadow=True, startangle=140)
设置标题
plt.title("Pie Chart with Grouped Data")
显示图形
plt.show()
在这个例子中，我们使用 Pandas 的 groupby 和 sum 方法对数据进行了分组和聚合，然后绘制了饼图。
11.2 处理长尾分布
对于长尾分布的数据，可以将较小的类别合并为“其他”类别，以简化饼图的显示：
import pandas as pd
import matplotlib.pyplot as plt
创建数据集
data = {'Category': ['A', 'B', 'C', 'D', 'E', 'F', 'G'],
'Values': [40, 30, 20, 5, 3, 1, 1]}
df = pd.DataFrame(data)
设置阈值
threshold = 5
标记小类别为 "Other"
df['Category'] = df.apply(lambda row: row['Category'] if row['Values'] >= threshold else 'Other', axis=1)
分组和聚合数据
grouped_data = df.groupby('Category').sum()
绘制饼图
grouped_data.plot.pie(y='Values', autopct='%1.1f%%', shadow=True, startangle=140)
设置标题
plt.title("Pie Chart with 'Other' Category")
显示图形
plt.show()
在这个例子中，我们将较小的类别合并为“其他”类别，然后绘制了饼图。
十二、交互式饼图
12.1 使用 Plotly 库绘制交互式饼图
Plotly 是一个强大的交互式数据可视化库，它提供了丰富的图表类型和交互功能。可以使用 Plotly 绘制交互式饼图：
import plotly.express as px
数据
data = {'Category': ['A', 'B', 'C', 'D'], 'Values': [15, 30, 45,
相关问答FAQs：
如何在Python的饼图中添加自定义标签？
在Python中绘制饼图时，可以使用Matplotlib库的plt.pie()函数来添加标签。通过labels参数，可以传入一个包含每个扇区标签的列表。此外，使用autopct参数，可以将数值信息显示在图中，格式化这些信息以便更好地展示。
饼图中标签的字体和颜色如何调整？
可以通过Matplotlib的fontdict和colors参数来调整饼图中标签的字体和颜色。fontdict允许你设置字体大小、风格等，colors则可以定义每个扇区标签的颜色，使得饼图更加美观和易读。
如何在饼图中显示百分比而非绝对值？
在绘制饼图时，可以通过autopct参数来显示百分比。设置autopct='%1.1f%%'将使得每个扇区显示相应的百分比信息。这样不仅可以清晰地看到每个部分的占比，还能让图表更具信息性。
