前言
在从零开始学Python系列10中,我们用条形图来展示离散变量的分布呈现，在常见的统计图像中，还有一种图像可以表示离散变量各水平占比情况，这就是我们要讲解的饼图。饼图的绘制可以使用matplotlib库中的pie函数，首先我们来看看这个函数的参数说明。
pie函数参数解读
plt.pie(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)
x：指定绘图的数据；
explode：指定饼图某些部分的突出显示，即呈现爆炸式；
labels：为饼图添加标签说明，类似于图例说明；
colors：指定饼图的填充色；
autopct：自动添加百分比显示，可以采用格式化的方法显示；
pctdistance：设置百分比标签与圆心的距离；
shadow：是否添加饼图的阴影效果；
labeldistance：设置各扇形标签（图例）与圆心的距离；
startangle：设置饼图的初始摆放角度；
radius：设置饼图的半径大小；
counterclock：是否让饼图按逆时针顺序呈现；
wedgeprops：设置饼图内外边界的属性，如边界线的粗细、颜色等；
textprops：设置饼图中文本的属性，如字体大小、颜色等；
center：指定饼图的中心点位置，默认为原点
frame：是否要显示饼图背后的图框，如果设置为True的话，需要同时控制图框x轴、y轴的范围和饼图的中心位置；
饼图的绘制
案例：芝麻信用失信用户分析
关于pie函数的参数我们讲了这么多，光讲不练假把式，我们接下来通过案例，来绘制一个个性化的饼图。关于绘图数据，我们借用芝麻信用近300万失信人群的样本统计数据，该数据显示，从受教育水平上来看，中专占比25.15%，大专占比37.24%，本科占比33.36%，硕士占比3.68%，剩余的其他学历占比0.57%。对于这样一组数据，我们该如何使用饼图来呈现呢？
# 导入第三方模块
import matplotlib.pyplot as plt
# 设置绘图的主题风格（不妨使用R中的ggplot分隔）
plt.style.use('ggplot')
# 构造数据
edu = [0.2515,0.3724,0.3336,0.0368,0.0057]
labels = ['中专','大专','本科','硕士','其他']
explode = [0,0.1,0,0,0] # 用于突出显示大专学历人群
colors=['#9999ff','#ff9999','#7777aa','#2442aa','#dd5555'] # 自定义颜色
# 中文乱码和坐标轴负号的处理
plt.rcParams['font.sans-serif'] = ['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False
# 将横、纵坐标轴标准化处理，保证饼图是一个正圆，否则为椭圆
plt.axes(aspect='equal')
# 控制x轴和y轴的范围
plt.xlim(0,4)
plt.ylim(0,4)
# 绘制饼图
plt.pie(x = edu, # 绘图数据
explode=explode, # 突出显示大专人群
labels=labels, # 添加教育水平标签
colors=colors, # 设置饼图的自定义填充色
autopct='%.1f%%', # 设置百分比的格式，这里保留一位小数
pctdistance=0.8, # 设置百分比标签与圆心的距离
labeldistance = 1.15, # 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 = 1.5, # 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':12, 'color':'k'}, # 设置文本标签的属性值
center = (1.8,1.8), # 设置饼图的原点
frame = 1 )# 是否显示饼图的图框，这里设置显示
# 删除x轴和y轴的刻度
plt.xticks(())
plt.yticks(())
# 添加图标题
plt.title('芝麻信用失信用户教育水平分布')
# 显示图形
plt.show()
结语
OK，今天关于Pyhton绘制条形图的讲解就到此结束，如果你感兴趣，不妨和我一起学习与交流，同时也欢迎各位朋友继续转发与分享，让系统的知识不断的扩散出去。下一期我们将推送单个数值变量的分布图形，包括
盒形图和直方图。文中相关的Python脚本和PDF版本已存放到百度云盘，可以通过下面的链接获取：
链接: https://pan.baidu.com/s/1slmbwTJ 密码: 9cu4
Python Seaborn (Ⅰ) 艺术化的图表控制
Python Seaborn (Ⅱ) 斑驳陆离的调色板
Python Seaborn (Ⅲ) 分布数据集的可视化
Python Seaborn (Ⅳ) 线性关系的可视化
Python Seaborn (Ⅴ) 分类数据的绘制
10分钟python seaborn绘图入门 (Ⅱ): barplot 与 countplot
10 分钟 python seaborn 绘图入门 (Ⅳ): 回归模型 lmplot
从零开始学Python-matplotlib系列（I）：条形图
如需转载请联系EasyCharts团队！
微信后台回复“转载”即可！
【书籍推荐】
《Excel 数据之美--科学图表与商业图表的绘制》
【手册获取】国内首款-数据可视化参考手册：专业绘图必备
【必备插件】 EasyCharts -- Excel图表插件
【网易云课堂】 Excel 商业图表修炼秘笈之基础篇
