python数据可视化-matplotlib入门(5)-饼图和堆叠图

饼图常用于统计学模块，画饼图用到的方法为：pie( )

一、pie()函数用来绘制饼图

pie(x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=0, radius=1, counterclock=True, wedgeprops=None, textprops=None, center=0, 0, frame=False, rotatelabels=False, *, normalize=None, data=None)

pie()函数参数较多，需要我们调整的常见为以下几个
x: 每个扇形的占比的序列或数组
explode ：如果不是None，则是一个len(x)长度的数组，指定每一块的突出程度；突出显示，设置每一块分割出来的间隙大小
labels：为每个扇形提供标签的字符串序列
colors：为每个扇形提供颜色的字符串序列
autopct ：如果是一个格式字符串，标签将是fmt % pct。如果是一个函数，它将被调用。
shadow：阴影
startangle：从x轴逆时针旋转,饼的旋转角度  参数用法，可以去官网查询，并自己多去偿试。

二、一个简单的例子：统计每天休息、工作、娱乐等时间的百分比

import matplotlib.pyplot as plt

slices = [7,2,9,3,3]
activities = ['sleeping','eating','working','studing','playing']
cols = ['r','m','y','c','b']

plt.pie(slices,
        labels=activities,
        colors=cols,  #自定义的颜色序列，对比slices，可多可少，少时自动补充，如没有，则默认不同颜色。
        startangle=90,
        shadow= True, 
        explode=(0,0.1,0,0,0.2),#占比突出程度，
        autopct='%1.1f%%' #百分比的显示格式
        )

plt.title('Time statistics')
plt.show()

实际运行结果：

注意：startangle=90时的开始位置。整个饼图是从0度（圆心向右方向）逆时针分布的。

那继续用上篇创建的2个色子，来实现一个饼图。

思考：上述饼图代码中最能决定饼图形状的参数是slices = [7,2,9,3,3]，在不考虑每个占比名称、美观等的情况下，先确定如何实现slices中的各数值。

比如，当投掷2粒色子（一个8个面，一个6个面）时，1000000次时，分别统计出现点1、2、3、4、5……14的总次数，保存到slices中即可。用数列中的统计方法 list.count()即可。

主要就是增加两行代码：

new_slices=[] # 新建一个数列

while side <= max_result: 
    side += 1 
    new_bins.append(side) #这是之前做柱状图需要用到的
    new_slices.append( results.count(int(side))  ) #将保存两色子之和的数列，直接进行统计,results.count(int(side))就是在results的数列中统计出现side的次数。

运行结果，一样也是显示出点数之和7，8，9的出现的次数最多，然后逐渐减小：

总之，饼图通过将一个圆按照分类的占比划分成多个区块，整个圆饼代表数据的总量，每个区块表示该分类占总体的比例大小，所有区块的加和等于100%。

三、 堆叠图

使用matplotlib中的stackplot()函数可以快速绘制堆积图，stackplot()函数的语法格式如下所示
stackplot(x, y, labels=(), baseling='zero', data=None, *args, **kwargs)

该函数常用参数的含义如下 　　

x：表示x轴的数据，可以是一维数组。 　　
y：表示y轴的数据，可以是二维数组或一维数组序列。 　
labels：表示每组折线及填充区域的标签。 　　
baseline：表示计算基线的方法，包括'zero'、'sym'、'wiggle'和'weighted_wiggle'。
其中，'zero'表示恒定零基线，即简单的堆积图;
  　　 'sym'表示对称于零基线;
　　　'wiggle'表示最小化平方斜率的总和;
　　   'weighted_wiggle'表示执行相同的操作，但权重用于说明每层的大小。

用同一个例子来看一下堆叠图的效果，代码如下：

import matplotlib.pyplot as plt

days =    [1,2,3,4,5,6,7]

sleeping =[7,8,6,8,7,8,6]
eating  = [2,3,3,3,2,2,2]
working = [7,7,7,8,10,3,4]
studing = [6,4,4,4,3,8,11]
playing = [2,2,4,1,2,3,1]

labellist = ['sleeping','eating','working','studing','playing']
colorlist = ['c','y','b','r','g']

plt.stackplot(days, sleeping,eating,working,studing,playing,labels=labellist,colors=colorlist)
plt.xlabel('x')
plt.ylabel('y')
plt.legend(loc=(0.07, 0.05))
plt.title('Stack Plots')
plt.show()

运行结果如下：

plt.legend()是显示左下角的标签。而语句plt.stackplot()函数中的sleeping,eating,working,studing,playing是一维数组序列，即stackplot(x,y……)中的y值，是一系列一维数据。

 很明显，通过上述饼图与堆叠图的对比，它们的区别：饼图只能展示一段时间里，某个项目所花时间占总时间的比，而堆叠图可以展示这一段时间里，每天各项所花费时间。

既然sleeping,eating,working,studing,playing形成的一维数组，感觉参数比较多，那直接形成一个二维数组如何？做如下修改：

days =    [1,2,3,4,5,6,7]
"""
sleeping =[7,8,6,8,7,8,6]
eating  = [2,3,3,3,2,2,2]
working = [7,7,7,8,10,3,4]
studing = [6,4,4,4,3,8,11]
playing = [2,2,4,1,2,3,1]
"""
times =[                   # 二维数组，以数列作为元素的数列。
        [7,8,6,8,7,8,6],   #上述sleeping数列
        [2,3,3,3,2,2,2],
        [7,7,7,8,10,3,4],
        [6,4,4,4,3,8,11],
        [2,2,4,1,2,3,1]
        ]
plt.stackplot(days, times,labels=labellist,colors=colorlist)

运行结果如图：

效果与原来的一维数组一样。

但手工这样编程的时候录入数据太过麻烦，下篇介绍直接读取文件数据并进行处理。