数据可视化都有一个共同的目的,那就是准确而高效、精简而全面地传递信息和知识。可视化能将不可见的数据现象转化为可见的图形符号,能将错综复杂、看起来没法解释和关联的数据,建立起联系和关联,发现规律和特征,获得更有商业价值的洞见和价值。并且利用合适的图表直截了当且清晰而直观地表达出来,实现数据自我解释、让数据说话的目的。图形表现数据,实际上比传统的统计分析法更加精确和有启发性。我们可以借助可视化的图表寻找数据规律、分析推理、预测未来趋势。
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
data = [9.5, 34.2, 29.6, 21.3, 100 - 34.2 - 29.6 - 21.3 - 9.5]#基础数据
labels = ['情侣出游', '朋友同学', '单独出行', '家庭亲子', "商务旅游"]#数据标签
explode = [0.2, 0.1, 0, 0, 0] # 生成数据
colors = ['#9999ff', '#ff9999', '#7777aa', '#2442aa', '#dd5555'] # 自定义颜色
plt.pie(x = data, # 绘图数据
explode = explode, # 指定饼图某些部分的突出显示
labels = labels, # 添加标签
colors = colors, # 设置颜色
autopct = '%.2f%%', # 设置百分比的格式
pctdistance = 0.8, # 设置百分比标签与圆心的距离
labeldistance = 1.1, # 设置教育水平标签与圆心的距离
startangle = 180, # 设置饼图的初始角度
radius = 1.2, # 设置饼图的半径
counterclock = False, # 是否逆时针,这里设置为顺时针方向
wedgeprops = {'linewidth' : 1.5, 'edgecolor' : 'green'}, # 设置饼图内外边界的属性值
textprops = {'fontsize' : 10, 'color' : 'black'}, # 设置文本标签的属性值
)
# 添加图标题
plt.title('饼图绘制')
# 显示图形
plt.show()