1. 首页
  2. 文章中心
  3. Matplotlib

使用Matplotlib绘制多层嵌套饼图

69 阅读 0 评论
我是靠谱客的博主 哭泣小伙，最近开发中收集的这篇文章主要介绍使用Matplotlib绘制多层嵌套饼图，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

嵌套饼图

我们可以用嵌套饼图更直观地展示某些的类型数据, 下面是用一个例子详细介绍如何用python绘制嵌套饼图.

这里要绘制的是一个最内圈 6 个类别, 每个类别再细分为几个方向, 各个方向上再进行细分.

大致的效果如下:

在这里插入图片描述

下面我们来一步一步实现这个嵌套饼图.

绘制饼图

ax.pie( vals_first, radius=1-size-size,
        colors=inner_colors, labels=labels_first, 
        labeldistance=0.5, rotatelabels=True, 
        textprops={'fontsize': 11}, wedgeprops=dict(width=size, edgecolor='w'))

ax.pie( vals_second.flatten(), radius=1-size, 
        colors=outer_colors, labels=labels_seocnd, 
        labeldistance=0.7,  rotatelabels=True, 
        textprops={'fontsize': 11}, wedgeprops=dict(width=size, edgecolor='w'))

ax.pie( vals_third.flatten(), radius=1, 
        colors=outer_colors, labels=labels_third, 
        labeldistance=0.8,  rotatelabels=True, 
        textprops={'fontsize': 11}, wedgeprops=dict(width=size, edgecolor='w'))

这里是使用matplotlib绘制饼图的代码, 绘制了三层饼图, 对每一层饼图的半径和宽度进行了设置, 使得三层饼图可以一层一层套在一起.

这些参数中, 第一个参数为绘制饼图的数值, radius为饼图的半径, textprop为标签的属性, 设置rotatelabels为True, 使得标签自动旋转. wedgeprops中可以设置饼图的各项数据, 这里我们设置了饼图的宽度和边颜色, 使得饼图显示成嵌套饼图的样子.

这边数据, 颜色, 标签的设置会在后面慢慢细说.

数据设置

数据方面, 由于这次的数据差别太大, 若按照比例来绘制的话, 必然有一些数据显示不出来, 所以我选择将所有数据添加一个固定的数值, 再按照比例来绘制. 但是还有一个问题, 部分数据过大或过小, 会非常影响图形的观感, 这里我只能在绘制图形时手动设置该部分所占的大小.

# 第二圈的数据
vals_b = np.array([
    [47.5,11.7,15.2,9.6],
    [0,44.8,7.5,0], 
    [9.2, 68.5 , 0, 0],
    [1.2, 7.2, 0, 0],
    [80,0, 0, 0],
    [1.7, 18.9, 0, 0]
])

# 第三圈的数据
vals_c = np.array([ 
    [47.5,11.7,15.2,9.6],
    [0,36.6,8.2,7.5], 
    [9.2,38.1,30.4, 0],
    [1.2, 5.8, 1.4, 0],
    [80,0, 0, 0],
    [1.7, 18.9, 0, 0]
])

# 第一圈的数据
vals_inner = vals_middle.sum(axis=1)

# 绘图时最内圈使用的数值为内圈各类数据加上base
vals_first = vals_inner + base

’‘’
绘图时第二圈使用的数值, 因为最内圈每个类别都加上了base, 所以为了确保第二圈的数值和内圈相匹配, 第二圈的各类别要按照各自所占的比例分配各类的总数值.
‘’‘
vals_second = np.zeros((6, 4))
for i in range(6):
    s_a = vals_first[i]
    s_b = vals_a[i].sum()
    # 如果第二圈某类总数值为0, 则分配base.
    if s_b == 0.0:
        vals_second[i][1] = base
        continue
    for j in range(4):
        vals_second[i][j] = (vals_mid[i][j] / s_b) * s_a
    
# 第三圈使用的数值, 和上方同理
vals_third = np.zeros((6, 4))
for i in range(6):
    s_a = vals_first[i]
    s_b = vals_outer[i].sum()
    if s_b == 0.0:
        vals_third[i][1] = base
        continue
    for j in range(4):
        vals_third[i][j] = (vals_outer[i][j] / s_b) * s_a

颜色设置

官方自带的 Colormaps, 这里我需要的是6×4共24种颜色, 于是我选择了colormap tab20c的全部色彩和 tab20b 中 5至8 颜色, 一共24种, 当然你也可以通过 rgba 自己定义颜色而不是选择colormap.

颜色

具体代码如下:

# 获取colormap tab20c和tab20b的颜色
cmap_c = plt.get_cmap("tab20c")
cmap_b = plt.get_cmap("tab20b")

# 使用tab20c的全部颜色和tab20b中的 5至8 颜色
cmap_1 = cmap_c(np.arange(20))
cmap_2 = cmap_b(np.array([4, 5, 6, 7]))

# 内圈的颜色是每4个颜色中色彩最深的那个. vstack是将两类颜色叠加在一起
inner_colors = np.vstack((cmap_1[::4], cmap_2[0]))
# 外圈的颜色是全部24种颜色
outer_colors = np.vstack((cmap_1, cmap_2))

标签设置

标签总共是三圈的标签, 内圈, 中圈和外圈, 这里内圈我为了更美观得显示数据, 更改了某些类别的占比, 所以不能直接从输入数据中获取到值, 只能手动输入数值.

中圈和外圈也是同理, 因为绘制的量不大, 中圈和外圈我全部采取了手动输入的方法, 事实上效率确实是大大下降了, 但是毕竟是为了图案美观, 不得已而为之. 如果数据允许的话, 这三种标签中的数据都可以采用输入的数据, 而非手动填写.

labels_first=["餐厨废弃物n{}万吨".format(vals_first[0]), 
        "农业秸秆n{}万吨".format(vals_first[1]), 
        "水草n151.2万吨", 
        "园林绿化n废弃物n{}万吨".format(vals_first[3]),
        "淤泥n432.0万吨",
        "畜禽粪便n21.6万吨"
        ]

labels_seocnd=[
    "未分类收集n67.6万吨",
    "生物干化n3.7万吨",
    "厌氧发酵n10.2万吨",
    "油水分离n2.6万吨",

    "",
    "粉碎n46.8万吨",
    "好氧发酵n3.5万吨",
    "",

    "未处理n4.2万吨",
    "藻水分离n147.0万吨",
    "",
    "",

    "未处理n1.2万吨",
    "粉碎n7.2万吨",
    "",
    "",

    "堆放n432.0万吨",
    "",
    "",
    "",

    "未处理n0.7万吨",
    "好氧发酵n19.9万吨",
    "",
    "",
]

labels_third=[
    "未处理n67.5万吨",
    "肥料化、发电n3.7万吨",
    "沼气、沼渣发电n10.2万吨",
    "焚烧n2.6万吨",

    "",
    "还田n42.6万吨",
    "燃料化n4.2万吨",
    "肥料化n3.5万吨",

    "未利用n4.2万吨",
    "燃料化n80.2万吨",
    "肥料化n66.8万吨",
    "",

    "未利用n1.2万吨",
    "肥料化n5.8万吨",
    "燃料化n1.4万吨",
    "",

    "未利用n432.0万吨",
    "",
    "",
    "",

    "未利用n0.7万吨",
    "肥料化n19.9万吨",
    "",
    "",
]

图例

这里因为只需要内圈的图例, 所以我把内圈的handels单独拿了出来

handles, labels =  ax.pie(vals_first, radius=1-size-size, 
                labels=labels_first, 
                labeldistance=0.5,  rotatelabels=True, textprops={'fontsize': 11}, 
                colors=inner_colors, wedgeprops=dict(width=size, edgecolor='w'))

再绘制图例时不再简单使用plt.legend()而是使用:

plt.legend(handles=handles, labels=[
        "餐厨废弃物", 
        "农业秸秆", 
        "水草", 
        "园林绿化废弃物", 
        "淤泥",
        "畜禽粪便"],
        loc = 1
        )

这样出来的图中就只会显示最内层的图例了.

附全部代码

from matplotlib import pyplot as plt
import numpy as np

size = 0.25
base = 50


plt.rcParams['font.family'] = 'SimHei'
fig, ax = plt.subplots(figsize = (10, 10))

vals_middle = np.array([
    [47.5,11.7,15.2,9.6],
    [0,44.8,7.5,0], 
    [9.2, 68.5 , 0, 0],
    [1.2, 7.2, 0, 0],
    [80,0, 0, 0],
    [1.7, 18.9, 0, 0]
])

vals_outer = np.array([ 
    [47.5,11.7,15.2,9.6],
    [0,36.6,8.2,7.5], 
    [9.2,38.1,30.4, 0],
    [1.2, 5.8, 1.4, 0],
    [80,0, 0, 0],
    [1.7, 18.9, 0, 0]
])

vals_inner = vals_middle.sum(axis=1)

# 最内圈使用的数值为内圈各类数据加上base
vals_first = vals_inner + base

'''
第二圈使用的数值, 因为最内圈每个类别都加上了base, 所以为了确保第二圈的数值和内圈相匹配, 第二圈的各类别要按照各自所占的比例分配各类的总数值.
'''
vals_second = np.zeros((6, 4))
for i in range(6):
    s_a = vals_first[i]
    s_b = vals_middle[i].sum()
    # 如果第二圈某类总数值为0, 则分配base.
    if s_b == 0.0:
        vals_second[i][1] = base
        continue
    for j in range(4):
        vals_second[i][j] = (vals_middle[i][j] / s_b) * s_a
    
# 第三圈使用的数值, 和上方同理
vals_third = np.zeros((6, 4))
for i in range(6):
    s_a = vals_first[i]
    s_b = vals_outer[i].sum()
    if s_b == 0.0:
        vals_third[i][1] = base
        continue
    for j in range(4):
        vals_third[i][j] = (vals_outer[i][j] / s_b) * s_a


# 获取colormap tab20c和tab20b的颜色
cmap_c = plt.get_cmap("tab20c")
cmap_b = plt.get_cmap("tab20b")

# 使用tab20c的全部颜色和tab20b中的 5至8 颜色
cmap_1 = cmap_c(np.arange(20))
cmap_2 = cmap_b(np.array([4, 5, 6, 7]))

# 内圈的颜色是每4个颜色中色彩最深的那个. vstack是将两类颜色叠加在一起
inner_colors = np.vstack((cmap_1[::4], cmap_2[0]))
# 外圈的颜色是全部24种颜色
outer_colors = np.vstack((cmap_1, cmap_2))



labels_first=["餐厨废弃物n{}万吨".format(vals_inner[0]), 
        "农业秸秆n{}万吨".format(vals_inner[1]), 
        "水草n151.2万吨", 
        "园林绿化n废弃物n{}万吨".format(vals_inner[3]),
        "淤泥n432.0万吨",
        "畜禽粪便n21.6万吨"
        ]

labels_seocnd=[
    "未分类收集n67.6万吨",
    "生物干化n3.7万吨",
    "厌氧发酵n10.2万吨",
    "油水分离n2.6万吨",

    "",
    "粉碎n46.8万吨",
    "好氧发酵n3.5万吨",
    "",

    "未处理n4.2万吨",
    "藻水分离n147.0万吨",
    "",
    "",

    "未处理n1.2万吨",
    "粉碎n7.2万吨",
    "",
    "",

    "堆放n432.0万吨",
    "",
    "",
    "",

    "未处理n0.7万吨",
    "好氧发酵n19.9万吨",
    "",
    "",
]

labels_third=[
    "未处理n67.5万吨",
    "肥料化、发电n3.7万吨",
    "沼气、沼渣发电n10.2万吨",
    "焚烧n2.6万吨",

    "",
    "还田n42.6万吨",
    "燃料化n4.2万吨",
    "肥料化n3.5万吨",

    "未利用n4.2万吨",
    "燃料化n80.2万吨",
    "肥料化n66.8万吨",
    "",

    "未利用n1.2万吨",
    "肥料化n5.8万吨",
    "燃料化n1.4万吨",
    "",

    "未利用n432.0万吨",
    "",
    "",
    "",

    "未利用n0.7万吨",
    "肥料化n19.9万吨",
    "",
    "",
]


handles, labels =  ax.pie(vals_first, radius=1-size-size, 
                labels=labels_first, 
                labeldistance=0.5,  rotatelabels=True, textprops={'fontsize': 11}, 
                colors=inner_colors, wedgeprops=dict(width=size, edgecolor='w'))

ax.pie(vals_second.flatten(),   radius=1-size, colors=outer_colors,
    labels=labels_seocnd, 
    labeldistance=0.7,  rotatelabels=True, textprops={'fontsize': 11}, 
    wedgeprops=dict(width=size, edgecolor='w'))

ax.pie(vals_third.flatten(), radius=1, colors=outer_colors,
    labels=labels_third, 
    labeldistance=0.8,  rotatelabels=True, textprops={'fontsize': 11},
    wedgeprops=dict(width=size, edgecolor='w'))


plt.title('某市有机废弃物产生、处理、利用情况', fontsize=25)
plt.legend(handles=handles, labels=[
        "餐厨废弃物", 
        "农业秸秆", 
        "水草", 
        "园林绿化废弃物", 
        "淤泥",
        "畜禽粪便"],
        loc = 1
        )
plt.show()

查看原文

最后

以上就是哭泣小伙为你收集整理的使用Matplotlib绘制多层嵌套饼图的全部内容，希望文章能够帮你解决使用Matplotlib绘制多层嵌套饼图所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。

本图文内容来源于网友提供，作为学习参考使用，或来自网络收集整理，版权属于原作者所有。
点赞(46)

相关文章

Echarts 数据可视化 实现半圆饼图效果，渐变颜色
Echarts 数据可视化 实现半圆饼图效果，渐变颜色
echart 饼状图设置渐变色
echart 饼状图设置渐变色
Echarts饼图实现颜色渐变
Echarts饼图实现颜色渐变
echarts设置渐变
echarts设置渐变
使用Matplotlib绘制多层嵌套饼图
使用Matplotlib绘制多层嵌套饼图
highcharts 实现3d饼图
highcharts 实现3d饼图
数据可视Echart饼状图
数据可视Echart饼状图
最简单的echart 饼图实现
最简单的echart 饼图实现

评论列表共有 0 条评论

立即
投稿
返回
顶部