软件测试|使用matplotlib绘制多种饼图

简介

Matplotlib是一个强大的数据可视化库，它允许我们创建各种类型的图表，包括饼图。饼图是一种用于显示数据分布的常见图表类型。在本文中，我们将介绍如何使用Matplotlib创建不同类型的饼图，并提供示例代码。

创建标准饼图

首先，让我们创建一个标准的饼图，用于显示不同类别的数据在总体中的占比。以下是示例代码：

import matplotlib.pyplot as plt

# 设置字体格式，让中文显示正常
plt.rcParams['font.sans-serif'] = 'FangSong'

# 数据
labels = 'A', 'B', 'C', 'D'
sizes = [15, 30, 45, 10]

# 创建饼图
plt.figure(figsize=(6, 6))
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
plt.axis('equal')  # 使饼图呈圆形

# 显示图表
plt.title('基础饼图')
plt.show()

上述代码中，我们首先定义了数据标签和对应的大小。然后，我们使用plt.pie()函数创建饼图，设置标签和百分比标签，以及起始角度，最后通过plt.axis('equal')使饼图呈圆形。最后，使用plt.show()显示图表。运行脚本，生成的图像如下图：

创建嵌套饼图

嵌套饼图是一种在一个饼图中嵌套另一个饼图的图表类型，用于显示数据的分层结构。以下是示例代码：

import matplotlib.pyplot as plt

# 设置字体格式，让中文显示正常
plt.rcParams['font.sans-serif'] = 'FangSong'

# 数据
labels = 'A', 'B', 'C', 'D'
sizes = [15, 30, 45, 10]
inner_labels = 'X', 'Y'
inner_sizes = [60, 40]

# 创建饼图
fig, ax = plt.subplots()
ax.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140)
ax.pie(inner_sizes, radius=0.6, labels=inner_labels, autopct='%1.1f%%', startangle=140)

# 添加圆圈，使其呈现为嵌套饼图
centre_circle = plt.Circle((0, 0), 0.4, color='black', fc='white')
fig.gca().add_artist(centre_circle)

# 显示图表
plt.axis('equal')
plt.title('嵌套饼图')
plt.show()

这段代码创建了一个嵌套饼图，首先绘制外部饼图，然后在内部绘制另一个饼图。通过添加黑色的圆圈来实现嵌套效果。运行代码，生成的饼图如下所示：

创建环形饼图

环形饼图是一种与标准饼图相似的图表，但具有空心的中心，用于强调数据的分布。以下是示例代码：

import matplotlib.pyplot as plt

# 设置字体格式，让中文显示正常
plt.rcParams['font.sans-serif'] = 'FangSong'


# 数据
labels = 'A', 'B', 'C', 'D'
sizes = [15, 30, 45, 10]

# 创建环形饼图
plt.figure(figsize=(6, 6))
plt.pie(sizes, labels=labels, autopct='%1.1f%%', startangle=140, wedgeprops=dict(width=0.4))
plt.axis('equal')  # 使饼图呈圆形

# 显示图表
plt.title('环形饼图')
plt.show()

在上面的代码中，我们使用wedgeprops参数设置环形饼图的宽度，然后通过plt.axis('equal')使饼图呈圆形。运行代码，绘制的饼图如下所示：

总结

本文主要介绍了使用matplotlib绘制多种饼图的方法，饼图在展示数据分布，尤其是不同数据占比时有较大优势，希望本文对大家能有所帮助。

最后感谢每一个认真阅读我文章的人，礼尚往来总是要有的，虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：

这些资料，对于【软件测试】的朋友来说应该是最全面最完整的备战仓库，这个仓库也陪伴上万个测试工程师们走过最艰难的路程，希望也能帮助到你！?