jupyter 数据分析饼图

Jupyter Notebook是一种交互式笔记本，可以方便地进行数据分析和可视化。要在Jupyter Notebook中绘制饼图，您需要使用Python中的matplotlib库。以下是一些基本步骤： 1. 导入matplotlib库以及pyplot模块，如下所示： ``` import matplotlib.pyplot as plt ``` 2. 创建一个列表，其中包含饼图中的数据和标签，例如： ``` labels = ['A', 'B', 'C', 'D'] sizes = [15, 30, 45, 10] ``` 3. 使用`plt.pie()`函数绘制饼图，并指定标签、数据和其他可选参数，例如： ``` plt.pie(sizes, labels=labels, autopct='%1.1f%%') ``` 其中`autopct`参数指定了如何显示每个扇形的百分比。 4. 可以使用其他plt函数来自定义饼图的样式，例如： ``` plt.axis('equal') plt.title('My Pie Chart') ``` 其中`axis`函数确保饼图呈圆形，`title`函数添加了一个标题。 5. 最后，使用`plt.show()`函数显示饼图。

<think>好的，用户现在的问题是在Jupyter Notebook中如何绘制热度饼图。根据之前的对话历史，用户之前已经得到了两种方案：使用Matplotlib的静态饼图和Pyecharts的交互式饼图。现在用户可能希望进一步了解如何在Jupyter中实现，特别是结合热度的可视化。 首先，我需要确认用户的需求。热度饼图可能指的是展示不同景点的访问量占比，类似于之前提到的景点热度分析。用户可能希望将数据以饼图的形式展示，并且可能希望有交互式功能，这在Jupyter中比较常见。 接下来，查看用户提供的引用内容。引用[1]提到了Pyecharts的热力图绘制，引用[2]和[3]涉及数据清洗和可视化库的使用，比如Pyecharts、Matplotlib、Pandas等。因此，用户可能已经具备一定的数据处理基础，现在需要具体的图表实现步骤。 用户在上一次的问题中已经得到了两种方案，但可能希望更详细的步骤，特别是针对Jupyter环境的配置和代码示例。需要确保代码在Jupyter中可以直接运行，并且结果能够正确显示。 另外，用户提到“热度饼图”，可能需要结合热力图的颜色渐变效果，但饼图通常使用不同的颜色块，而不是连续的热度色阶。这里可能需要澄清，但根据之前的回答，用户可能只是需要展示占比的热度，即访问量的分布，所以继续使用饼图或环形图是合适的。 需要参考用户之前的回答，确保代码示例正确，特别是Pyecharts在Jupyter中的渲染方式，比如使用render_notebook()方法。同时，数据预处理部分也需要详细说明，比如如何处理数据格式，如何过滤和合并小比例的数据项，以避免饼图过于碎片化。 另外，用户可能对标签重叠问题感兴趣，这在之前的回答中也有提及，可以通过调整标签位置、旋转角度或使用环形图来优化。需要确保在回答中涵盖这些优化技巧，以提升图表的可读性。 最后，需要生成相关问题，帮助用户进一步探索，比如如何处理动态数据更新、如何结合其他图表类型进行分析等。这些问题应该基于用户当前的需求和可能遇到的后续步骤来设计。 总结步骤： 1. 提供Pyecharts和Matplotlib两种方法的代码示例，确保在Jupyter中可直接运行。 2. 强调数据预处理的重要性，包括数据格式转换和小项合并。 3. 添加可视化优化技巧，如标签调整、颜色配置和交互功能。 4. 解答相关问题，覆盖常见问题如标签重叠、颜色优化和图表类型选择。</think>根据您的需求和引用内容，以下是在Jupyter Notebook中创建交互式热度饼图的详细解决方案： --- ### 方法一：Pyecharts交互式饼图（推荐） ```python from pyecharts.charts import Pie from pyecharts import options as opts import pandas as pd import numpy as np # 模拟旅游数据（示例） data = { "景点名称": ["中山陵", "拙政园", "周庄古镇", "夫子庙", "灵山大佛"], "访问量(万)": [980, 850, 720, 680, 550] } df = pd.DataFrame(data).sort_values('访问量(万)', ascending=False) # 合并小比例项（提升可读性） threshold = df['访问量(万)'].sum() * 0.05 # 合并占比<5%的项 small_slices = df[df['访问量(万)'] < threshold] main_df = df[df['访问量(万)'] >= threshold] if not small_slices.empty: main_df = pd.concat([ main_df, pd.DataFrame([["其他景点", small_slices['访问量(万)'].sum()]], columns=df.columns) ]) # 生成饼图 pie = ( Pie(init_opts=opts.InitOpts(theme=ThemeType.LIGHT, width="800px")) .add( "", [list(z) for z in zip(main_df['景点名称'], main_df['访问量(万)'])], radius=["35%", "65%"], # 环形饼图 label_opts=opts.LabelOpts( formatter="{b|{b}}\n{d}%", # 两行显示 rich={"b": {"fontSize": 14}}, position="outside", rotate=30 # 标签旋转防重叠[^2] ) ) .set_global_opts( title_opts=opts.TitleOpts(title="景点访问量热度分布"), legend_opts=opts.LegendOpts( orient="vertical", pos_left="5%", item_width=20, item_height=14 ), tooltip_opts=opts.TooltipOpts( trigger="item", formatter="{b}: {c}万人次 ({d}%)" ) ) .set_series_opts( itemstyle_opts=opts.ItemStyleOpts( border_width=2, border_color="#fff", opacity=0.8 # 增加透明度层次感 ) ) ) pie.render_notebook() # 直接在Jupyter中显示 ``` --- ### 方法二：Matplotlib静态饼图 ```python import matplotlib.pyplot as plt plt.figure(figsize=(10,8)) wedges, texts, autotexts = plt.pie( main_df['访问量(万)'], labels=main_df['景点名称'], autopct=lambda p: f'{p:.1f}%' if p >= 5 else '', # 隐藏小比例百分比 startangle=140, colors=plt.cm.Set3.colors, wedgeprops=dict(width=0.4, edgecolor='w') # 环形效果 ) # 优化标签显示 plt.setp(texts, fontsize=10, path_effects=[patheffects.withStroke(linewidth=3, foreground="w")]) # 白色描边防重叠[^3] plt.title("景点访问量分布", fontsize=14, pad=20) plt.axis('equal') plt.show() ``` --- ### 关键技巧说明 1. **数据预处理** ```python # 数据清洗示例（参考引用[2]） df = pd.read_csv('travel_data.csv') df = df.dropna(subset=['访问量']) # 删除空值 df['访问量'] = df['访问量'].astype(int) ``` 2. **动态数据更新** ```python # 结合Jupyter的交互控件（需安装ipywidgets） from ipywidgets import interact @interact(threshold=(0,20,1)) def update_pie(threshold=5): filtered_df = df[df['占比'] > threshold] # 重新生成饼图... ``` 3. **颜色优化** ```python # 使用渐变色（参考引用[1]热力图配色） from pyecharts.globals import ThemeType pie = Pie(init_opts=opts.InitOpts(theme=ThemeType.WESTEROS)) ``` --- ### 常见问题解决方案 **Q1 如何解决标签重叠？** - Pyecharts方案：设置`label_opts`中的`rotate`参数实现标签旋转 - Matplotlib方案：使用`adjustText`库自动调整位置 ```python from adjustText import adjust_text adjust_text(texts, arrowprops=dict(arrowstyle='->', color='red')) ``` **Q2 如何添加点击交互？** ```python # Pyecharts添加点击事件 pie.on("click", lambda params: print(f"点击了{params.name}")) ``` ---