Seaborn 怎样创建饼图

饼图是数据可视化中最常用的图表类型之一。饼图是一个圆形图表，分成几个部分表示数据集中不同类别的比例。

Seaborn是一个基于Matplotlib构建的Python数据可视化库，而Matplotlib是另一个流行的Python可视化库。Seaborn提供了一个高级接口，用于创建各种统计图表，可以生成比Matplotlib更复杂和美观的可视化效果。

Matplotlib是一个用于在Python中创建基本图表的低级库。它提供了创建更复杂可视化的构建模块，但需要更多的代码来生成可视化效果。Seaborn通过提供一组默认的主题和美学样式，简化了创建复杂可视化的过程。

Seaborn提供了一组用于创建各种类型统计图表的函数，如散点图、折线图和条形图。它还提供了创建更专业类型的图表的函数，如热力图、小提琴图和因子图。这些图表旨在突出显示数据中的关系和模式。

以下是使用Python安装Seaborn和Matplotlib的步骤：

打开命令提示符或终端窗口。
通过输入以下命令检查系统是否安装了Python： python –version

如果已安装Python，则会显示版本号。如果未安装Python，请从官方网站下载并安装Python。

通过输入以下命令使用pip安装Seaborn：” pip3 install seaborn “
通过输入以下命令使用pip安装Matplotlib：” pip3 install matplotlib “

现在让我们关注示例。

示例

考虑下面显示的代码。

# Importing libraries 
import matplotlib.pyplot as plt
import seaborn as sns

# Declaring data

# sample data, replace with your own
data = [76, 84, 62, 93, 79]

# labels for data, replace with your own
keys = ['Class A', 'Class B', 'Class C', 'Class D', 'Class E']

# Plotting data on chart
plt.pie(data, labels=keys, autopct='%.0f%%')

# Add title to the chart
plt.title('Distribution of grades across different classes')

# Displaying chart
plt.show()

说明

我们声明了包含每个类的值列表的数据变量和包含每个类标签的键变量。
我们使用 seaborn.color_palette() 函数定义用于图表的颜色调色板。
我们使用 plt.pie() 函数在图表上绘制数据。我们通过传递 data 、 keys 、 colours 和 autopct 参数来自定义图表的外观。自动百分占比参数 autopct 格式化了在图表上显示的百分比。
我们使用 plt.title() 函数为图表添加标题。
我们使用 plt.show() 函数显示图表。

输出

执行此代码后，将弹出一个新窗口，其中包含我们的饼图。

Seaborn 怎样创建饼图

示例

让我们看一个示例以更好地理解其工作原理。考虑下面的代码。

# Importing libraries
import matplotlib.pyplot as plt
import seaborn as sns

# Declaring data

# sample data, replace with your own
data = [60, 25, 35, 45, 55]

# labels for data, replace with your own
keys = ['Category A', 'Category B', 'Category C', 'Category D', 'Category E']

# Declaring exploding pie
explode = [0.1, 0, 0, 0, 0.1]

# Define Seaborn color palette to use
palette_color = sns.color_palette('dark')

# Plotting data on chart
plt.pie(data, labels=keys, colors=palette_color,
 explode=explode, autopct='%.0f%%')

# Add title to the chart
plt.title('Distribution of items across different categories')

# Displaying chart
plt.show()