Python matplotlib绘制基础饼状图代码示例

在 Python 数据可视化中，饼状图常用于直观展示各个组成部分在总体中所占的相对比例。使用 Matplotlib 库的 plt.pie() 函数，开发者只需准备一组数值序列和对应的分类标签，即可快速生成结构清晰的饼图。本文将直接展示基础饼状图的标准绘制流程、完整可运行代码、核心参数配置，以及两种常见展示方案的关键差异与避坑建议。

一、基础饼图的标准绘制步骤

绘制一个标准的 Matplotlib 饼状图通常遵循固定的四个操作环节：引入可视化模块、准备离散数据与分类标签、调用核心绘图方法，以及配置等比显示并渲染。规范的流程不仅能保证图表几何形态不失真，还能使代码结构层次分明、易于维护。

下面是一段可直接运行的完整基础示例代码。该代码构建了某小型技术团队成员在不同工作任务上的工时分配，并展示各分项所占的百分比：

import matplotlib.pyplot as plt

# 1. 解决中文字体及符号显示问题
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False

# 2. 准备基础数据
labels = ['核心功能开发', '代码重构优化', '日常缺陷修复', '文档与技术评审']
sizes = [45, 20, 25, 10]

# 3. 绘制基础饼状图
plt.figure(figsize=(7, 7))
plt.pie(
    sizes,
    labels=labels,
    autopct='%1.1f%%',
    startangle=90
)

# 4. 保持正圆比例并设置标题
plt.axis('equal')
plt.title('技术团队季度工时占比分布', pad=20)

# 5. 输出显示
plt.show()

二、plt.pie() 核心参数作用机制

Matplotlib 的 plt.pie() 方法提供了丰富的参数接口，用以控制扇区的分割逻辑、百分比文字样式、角度偏移以及几何突出效果。深入理解这些核心参数，有助于根据具体数据结构灵活控制输出形态。

核心参数解析：

• x：必须的一维数组或列表。传入的数值无需预先转换为百分比，Matplotlib 会自动求和并按 val / sum(val) 转换为对应的圆心角。若数值总和小于 1，则会绘制一个不完整的未闭合饼图。
• labels：与数据一一对应的字符串序列，默认标注在各扇区的圆弧外缘。
• autopct：控制扇区内部百分比数值的展示格式。常用字符串格式如 '%1.1f%%'（保留一位小数）或 '%d%%'（取整）。如果不需要显示内部百分比，保持默认的 None 即可。
• explode：指定各个扇区偏移圆心的距离序列，单位为圆半径的倍数。常用于重点强调某一个或某两个核心项目。
• startangle：扇区绘制的起始角度。默认值为 0 度（即数学坐标系中 X 轴正方向，水平向右），逆时针展开；通常设定为 startangle=90，使第一个关键扇区从 12 点钟正上方位置展开，符合大多数读者的阅读习惯。

三、两种呈现方式的关键差异与影响

在实际业务中，根据展示目的的不同，饼图主要分为两种呈现风格：默认紧凑型饼图与切片突出型饼图（Explode）。在相同数据源条件下，合理选择结构能显著提升读者的信息获取效率。

关键差异影响：

1. 视觉注意力的分流与聚合：默认紧凑型饼图将所有分类视作平等维度，读者需要通读所有标签和比例后自行判断谁是主要矛盾；突出型饼图则直接通过几何断层打破对称性，使读者的目光在 0.5 秒内锁定抽离扇区。
2. 真实比例感知的偏差：在切片突出模式下，当 explode 参数设置过大（例如大于 0.2）时，离群扇区会脱离原有圆形参照系，导致人眼对其弧度和面积的判断产生放大假象。因此，若追求严谨的量化对比，紧凑型更可靠；若重在观点传递与引导，微小的突出（如 0.05 至 0.1）则更有效。

实现切片突出的完整代码示例如下：

import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'sans-serif']
plt.rcParams['axes.unicode_minus'] = False

labels = ['云服务器', '数据库集群', '对象存储', '网络带宽']
costs = [5200, 3100, 1200, 800]

# 突出第一项“云服务器”，偏离圆心 0.08 倍半径
explode = (0.08, 0, 0, 0)
colors = ['#879B88', '#687D8D', '#9EB0A0', '#BAC7BE']

plt.figure(figsize=(7, 7))
plt.pie(
    costs,
    labels=labels,
    autopct='%1.1f%%',
    startangle=90,
    explode=explode,
    colors=colors,
    shadow=False
)

plt.axis('equal')
plt.title('月度基础设施成本支出分布（重点支出突出）', pad=20)
plt.show()

四、排查要点与避坑总结

在编写 Matplotlib 饼图代码时，初学者常会遇到几个典型的展示异常或代码问题。以下四个检查维度涵盖了开发中最高频的排查项：