【Python】matplotlib.axes.Axes.pie()实例讲解

柔光的暖阳◎ 2023-09-27 13:27 71阅读 0赞

#### 目录：matplotlib.axes.Axes.pie函数实力讲解 ####

*  一、前言
 *  二、matplotlib.axes.Axes.pie()函数
 *  三、代码示例
 *  四、get\_cmap函数

## 一、前言 ##

本文章向大家介绍`Python matplotlib.axes.Axes.pie()`实例讲解，主要分析其语法、参数、返回值和注意事项，并结合实例形式分析了其使用技巧。

## 二、matplotlib.axes.Axes.pie()函数 ##

matplotlib库的axiss模块中的Axes.pie()函数用于绘制饼图：

用法： Axes.pie(self, x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, data=None)

**参数：**

此方法接受以下描述的参数：

*  x:此参数是楔形尺寸。
 *  explode:此参数是len(x)数组，它指定偏移每个楔形的半径的分数。
 *  autopct:此参数是一个字符串或函数，用于用楔形数值标记楔形。
 *  colors:此参数是饼图将循环通过的matplotlib颜色args的序列。
 *  label:此参数是为每个楔形提供标签的字符串序列。
 *  pctdistance:此参数是每个饼图切片的中心与autopct生成的文本开头之间的比率。
 *  shadow:此参数用于在饼图下方绘制阴影。
 *  labeldistance:此参数是绘制饼形标签的径向距离。
 *  startangle:此参数用于将饼图的起点从x轴逆时针旋转角度。
 *  radius:此参数是饼图的半径。
 *  counterclock:此参数指定分数方向，顺时针或逆时针。
 *  wedgeprops:此参数是传递给构成饼的楔形对象的参数的字典。
 *  textprops:此参数是传递给文本对象的参数的字典。
 *  center:此参数是图表的中心位置。
 *  frame:如果为true，则此参数用于绘制带有图表的轴框架。
 *  rotatelabels:如果为true，则此参数用于将每个标签旋转到相应切片的角度。

**返回值：**

这将返回以下内容：

*  patches:这将返回matplotlib.patches.Wedge实例的序列。
 *  texts:这将返回标签matplotlib.text.Text实例的列表。
 *  autotexts:这将返回数字标签的Text实例列表。

## 三、代码示例 ##

以下示例说明了matplotlib.axes中的`matplotlib.axes.Axes.pie()`函数：

import matplotlib.pyplot as plt
    labels = 'week1', 'week2', 'week3', 'week4'
    sizes = [10, 20, 30, 40] 
    explode = (0.1, 0, 0, 0)  
    fig1, ax1 = plt.subplots() 
    ax1.pie(sizes, explode = explode, labels = labels, autopct ='% 1.1f %%', shadow = True, startangle = 90) 
    ax1.axis('equal')  
    ax1.set_title('matplotlib.axes.Axes.pie Example') 
    plt.show()

![在这里插入图片描述][992a7d59cec940eb9b9aac1d1a1da050.png]

import matplotlib.pyplot as plt 
    import numpy as np 
    fig, ax = plt.subplots() 
    size = 0.3
    vals = np.array([[90, 43], [57, 60], [92, 20]])  
    cmap = plt.get_cmap("Spectral", 4) 
    mid_colors = cmap(np.array([1, 2, 3])) 
    ax.pie(vals.sum(axis = 1), radius = 1, colors = mid_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
    plt.show()

![在这里插入图片描述][6d25765be0c342c4b97bece694a5981a.png]

import matplotlib.pyplot as plt 
    import numpy as np 
    fig, ax = plt.subplots() 
    size = 0.3
    vals = np.array([[90, 43], [57, 60], [92, 20]])  
    cmap = plt.get_cmap("tab20c") 
    outer_colors = cmap(np.arange(3)*4) 
    mid_colors = cmap(np.array([1, 2, 3, 4, 5, ])) 
    inner_colors = cmap(np.array([4, 12, 5, 6, 9, 10])) 
    ax.pie(vals.sum(axis = 1), radius = 1, colors = outer_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
    ax.pie(vals.sum(axis = 1), radius = 1-size, colors = mid_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
    ax.pie(vals.sum(axis = 1), radius = 1-2 * size, colors = inner_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
    plt.show()

![在这里插入图片描述][e023535f7a3541dd93736abab745157e.png]

## 四、get\_cmap函数 ##

from matplotlib import cm
    camp = cm.get_cmap('viridis', 8)
    camp

![在这里插入图片描述][1c58d988d7834dcf83f91d62ecf2b1eb.png]

from matplotlib import cm
    cmap = cm.get_cmap('rainbow', 8)
    cmap

![在这里插入图片描述][45cd7c1c95944d12b8511da9d7c6cca6.png]

[992a7d59cec940eb9b9aac1d1a1da050.png]: https://img-blog.csdnimg.cn/992a7d59cec940eb9b9aac1d1a1da050.png
[6d25765be0c342c4b97bece694a5981a.png]: https://img-blog.csdnimg.cn/6d25765be0c342c4b97bece694a5981a.png
[e023535f7a3541dd93736abab745157e.png]: https://img-blog.csdnimg.cn/e023535f7a3541dd93736abab745157e.png
[1c58d988d7834dcf83f91d62ecf2b1eb.png]: https://img-blog.csdnimg.cn/1c58d988d7834dcf83f91d62ecf2b1eb.png
[45cd7c1c95944d12b8511da9d7c6cca6.png]: https://img-blog.csdnimg.cn/45cd7c1c95944d12b8511da9d7c6cca6.png