Python读取Excel绘制饼图

使用 Python 的 pyecharts、matplotlib 和 seaborn 三个库从 Excel 中读取数据并绘制饼图。每个库的代码示例均包含核心类、函数和属性的详细说明。

---

1. 使用 pyecharts 绘制饼图

pyecharts 是交互式可视化库，适合生成动态网页图表，饼图支持丰富的交互功能。

代码示例：

import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts

# 读取Excel数据
df = pd.read_excel("data.xlsx")
categories = df["类别"].tolist()  # 类别名称列
values = df["占比"].tolist()       # 数值列（如百分比或绝对数值）

# 将数据格式化为 (类别, 数值) 的列表
data_pairs = list(zip(categories, values))

# 创建饼图对象
pie = Pie()

# 添加数据并配置
pie.add(
    series_name="占比分布",  # 系列名称
    data_pair=data_pairs,    # 数据格式
    radius=["30%", "70%"],   # 内外半径（控制饼图大小）
    rosetype="radius",       # 玫瑰图模式（"radius"按角度，"area"按面积）
    label_opts=opts.LabelOpts(
        formatter="{b}: {d}%",  # 标签格式：类别 + 百分比
        position="outside"      # 标签位置（inside/outside）
    )
)

# 配置全局选项
pie.set_global_opts(
    title_opts=opts.TitleOpts(title="类别占比饼图"),
    legend_opts=opts.LegendOpts(
        orient="vertical",  # 图例垂直排列
        pos_left="left"     # 图例位置靠左
    )
)

# 渲染为HTML文件
pie.render("pyecharts_pie.html")

核心类与参数：

• Pie(): 饼图对象，属于 pyecharts.charts.Pie 类。
• add(series_name, data_pair): 添加数据。
  • radius: 控制饼图内外半径（如 ["30%", "70%"] 表示空心圆环）。
  • rosetype: 玫瑰图模式（"radius" 扇区角度不同，"area" 扇区面积不同）。
  • label_opts: 标签配置（formatter 自定义显示格式）。
• set_global_opts(): 配置标题和图例位置。

---

2. 使用 matplotlib 绘制饼图

matplotlib 是基础绘图库，适合生成高度定制的静态饼图。

代码示例：

import pandas as pd
import matplotlib.pyplot as plt

# 读取Excel数据
df = pd.read_excel("data.xlsx")
categories = df["类别"]
values = df["占比"]

# 创建画布和坐标系
fig, ax = plt.subplots(figsize=(8, 8))

# 绘制饼图
wedges, texts, autotexts = ax.pie(
    values,
    labels=categories,
    autopct="%1.1f%%",       # 显示百分比（保留1位小数）
    startangle=90,           # 起始角度（12点钟方向为0度）
    colors=plt.cm.Pastel1.colors,  # 颜色主题
    explode=(0.1, 0, 0, 0),  # 突出显示第一块
    shadow=True,              # 添加阴影
    textprops={"fontsize": 12}  # 文本属性
)

# 配置标题和图例
ax.set_title("类别占比饼图", fontsize=14)
ax.legend(
    wedges,
    categories,
    title="类别",
    loc="center left",
    bbox_to_anchor=(1, 0.5)  # 图例放在右侧
)

# 调整标签间距
plt.tight_layout()
plt.savefig("matplotlib_pie.png")
plt.show()

核心函数与参数：

• ax.pie(): 绘制饼图的核心函数。
  • autopct: 百分比显示格式（如 "%1.1f%%"）。
  • startangle: 起始角度（默认从正东方向开始，设为 90 则从正北开始）。
  • explode: 突出某一块（如 (0.1, 0, 0, 0) 表示第一个扇区外扩）。
  • shadow: 是否添加阴影。
  • textprops: 控制标签字体大小和颜色。
• ax.legend(): 配置图例位置和标题。

---

3. 使用 seaborn 绘制饼图

seaborn 没有直接绘制饼图的函数，但可通过 matplotlib 结合 seaborn 主题快速生成美观的饼图。

代码示例：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# 读取Excel数据
df = pd.read_excel("data.xlsx")
categories = df["类别"]
values = df["占比"]

# 设置seaborn主题
sns.set_theme(style="whitegrid", font="SimHei")  # 设置主题和字体

# 创建画布
plt.figure(figsize=(8, 8))

# 使用matplotlib绘制饼图（应用seaborn主题）
wedges, texts, autotexts = plt.pie(
    values,
    labels=categories,
    autopct="%1.1f%%",
    startangle=90,
    colors=sns.color_palette("pastel"),  # seaborn颜色调色板
    wedgeprops={"edgecolor": "black", "linewidth": 0.5}  # 边框样式
)

# 配置标题和图例
plt.title("类别占比饼图（Seaborn风格）", fontsize=14)
plt.legend(
    wedges,
    categories,
    title="类别",
    loc="center left",
    bbox_to_anchor=(1, 0.5)
)

# 调整布局
plt.tight_layout()
plt.savefig("seaborn_pie.png")
plt.show()

核心函数与参数：

• sns.set_theme(): 设置主题样式（如 "whitegrid"、"darkgrid"）。
• sns.color_palette(): 使用 seaborn 的颜色调色板（如 "pastel"、"bright"）。
• wedgeprops: 控制饼图扇区的边框样式（颜色、线宽）。

---

对比总结

库	特点	适用场景
pyecharts	交互式图表，支持动态展示和网页嵌入	需要交互性或网页展示
matplotlib	高度可定制化，支持复杂样式调整	学术论文、高精度静态图表
seaborn	结合 matplotlib，默认样式美观	快速生成简洁美观的图表

---

注意事项

1. 数据格式：确保数值列是纯数字（非字符串），总和不超过 100%（若为百分比）。
2. 标签重叠：若类别过多，调整 label_opts 或 autopct 的显示方式，或增大画布尺寸。
3. 颜色映射：使用预定义颜色主题（如 plt.cm.Pastel1 或 sns.color_palette("pastel")）增强可读性。