pyecharts可視化圖表-pie：從入門到精通（進階篇）

歡迎來到pyecharts餅圖系列教程的進階篇！在上一篇基礎教程中，我們學習了餅圖的基本概念和簡單實現。在本文中，我們將深入探索pyecharts中餅圖的六種高級用法和自定義選項，包括環形餅圖、富文本標簽餅圖、滾動圖例餅圖、環形圖、嵌套餅圖和多餅圖組合。這些技巧將幫助你創建更加專業、美觀且信息豐富的數據可視化圖表。pyecahts源碼

下面是本文將要介紹的餅圖類型概覽：

環形餅圖：基礎環形設計，適合展示分類占比
富文本標簽餅圖：自定義標簽樣式，提升信息展示效果
滾動圖例餅圖：解決多類別數據圖例過長問題
環形圖(Doughnut_chart)：中間留白的環形設計，適合對比數據
嵌套餅圖(Nested_pies)：多層級數據結構展示
多餅圖(Multiple_pie)：多圖表對比分析

讓我們從環形餅圖開始學習。

- 環形餅圖（Pie - Customized_pie）
- 代碼解析
- 效果與應用
- 富文本標簽餅圖（Pie - Rich Text Label）
- 代碼解析
- 效果與應用
- 滾動圖例餅圖（Pie - Scroll Legend）
- 代碼解析
- 效果與應用
- 環形圖（Doughnut_chart）
- 代碼解析
- 效果與應用
- 嵌套餅圖（Nested_pies）
- 代碼解析
- 效果與應用
- 多餅圖基本示例(Multiple_pie)
- 代碼解析
- 效果與應用
- 總結與展望

環形餅圖（Pie - Customized_pie）

環形餅圖是餅圖的基礎變體，通過設置內半徑不為零創建環形效果，使圖表更加直觀和美觀。下面是一個展示不同訪問來源數據的環形餅圖實現代碼：

import pyecharts.options as opts
from pyecharts.charts import Pie"""
Gallery 使用 pyecharts 1.1.0
參考地址: `https://echarts.apache.org/examples/editor.html?c=pie-doughnut` 目前無法實現的功能:1、迷之顏色映射的問題
"""# 定義數據
x_data = ["直接訪問", "郵件營銷", "聯盟廣告", "視頻廣告", "搜索引擎"]
y_data = [335, 310, 274, 235, 400]
# 組合數據并按值排序
data_pair = [list(z) for z in zip(x_data, y_data)]
data_pair.sort(key=lambda x: x[1])# 創建餅圖實例
(    Pie(init_opts=opts.InitOpts(bg_color="#2c343c"))  # 設置背景顏色為深色.add(series_name="訪問來源",  # 系列名稱data_pair=data_pair,    # 數據對rosetype="radius",      # 設置為環形圖radius="55%",           # 餅圖半徑center=["50%", "50%"],  # 餅圖中心位置label_opts=opts.LabelOpts(is_show=False, position="center"),  # 不顯示中心標簽).set_global_opts(title_opts=opts.TitleOpts(title="Customized Pie",    # 圖表標題pos_left="center",         # 標題位置pos_top="20",              # 標題距離頂部的距離title_textstyle_opts=opts.TextStyleOpts(color="#fff"),  # 標題顏色),legend_opts=opts.LegendOpts(is_show=False),  # 不顯示圖例).set_series_opts(tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"  # 提示框格式),label_opts=opts.LabelOpts(color="rgba(255, 255, 255, 0.3)"),  # 標簽顏色)#.render("customized_pie.html")  # 渲染為HTML文件.render_notebook()  # 在Notebook中顯示
)

代碼解析

環形餅圖的實現主要包含以下步驟：

數據準備：定義訪問來源名稱(x_data)和對應數據值(y_data)，組合成數據對并按值排序，使餅圖扇區按大小順序排列，提升可讀性。
餅圖初始化：通過Pie(init_opts=opts.InitOpts(bg_color="#2c343c"))創建實例并設置深色背景，增強圖表視覺效果。
添加數據系列：使用.add()方法添加數據，關鍵參數rosetype="radius"啟用環形效果，radius="55%"控制環形大小，center=["50%", "50%"]設置餅圖在畫布中心位置。
全局配置：通過set_global_opts()設置標題樣式和位置，隱藏圖例以簡化界面。
系列配置：使用set_series_opts()自定義提示框格式和標簽樣式，提示框會顯示系列名稱、數據名稱、數值和百分比。
渲染輸出：提供兩種輸出方式，render()生成HTML文件，render_notebook()適合在Jupyter環境中直接展示。

效果與應用

核心優勢：環形設計比普通餅圖更直觀，能夠更好地展示各分類間的比例關系。深色背景增強了數據的可讀性，使圖表在投影演示、報告和網頁中都能清晰顯示。
在這里插入圖片描述

適用場景：

網站流量來源分析
銷售渠道占比統計
市場份額分布展示
資源分配可視化

使用技巧：當數據類別較少（5-8個）且需要突出比例關系時，環形餅圖是理想選擇。如需強調某個類別，可考慮調整其顏色或添加動畫效果。

接下來，我們將學習如何創建帶有富文本標簽的餅圖，通過自定義標簽樣式提升數據展示效果。

富文本標簽餅圖（Pie - Rich Text Label）

富文本標簽是提升餅圖信息展示效果的重要手段，通過自定義標簽樣式、背景和格式，可以使數據標簽更加直觀、美觀且信息豐富。下面是一個使用富文本標簽的餅圖示例：

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Fakerc = (Pie().add("",[list(z) for z in zip(Faker.choose(), Faker.values())],radius=["40%", "55%"],label_opts=opts.LabelOpts(position="outside",formatter="{a|{a}}{abg|}\n{hr|}\n {b|{b}: }{c}  {per|{d}%}  ",background_color="#eee",border_color="#aaa",border_width=1,border_radius=4,rich={"a": {"color": "#999", "lineHeight": 22, "align": "center"},"abg": {"backgroundColor": "#e3e3e3","width": "100%","align": "right","height": 22,"borderRadius": [4, 4, 0, 0],},"hr": {"borderColor": "#aaa","width": "100%","borderWidth": 0.5,"height": 0,},"b": {"fontSize": 16, "lineHeight": 33},"per": {"color": "#eee","backgroundColor": "#334455","padding": [2, 4],"borderRadius": 2,},},),).set_global_opts(title_opts=opts.TitleOpts(title="Pie-富文本示例"))#.render("pie_rich_label.html")
)
c.render_notebook()

代碼解析

富文本標簽餅圖的核心在于label_opts配置：

標簽格式定義：通過formatter參數設置標簽模板：{a|{a}}{abg|} {hr|} {b|{b}: }{c} {per|{d}%} ，其中{a}表示系列名稱，{b}表示數據名稱，{c}表示數據值，{d}表示百分比。
樣式類定義：rich參數是一個字典，定義了模板中各部分的樣式：
- a：系列名稱樣式（灰色、居中對齊）
- abg：標簽背景樣式（淺灰色、圓角）
- hr：分隔線樣式（細灰色線）
- b：數據名稱樣式（大字體）
- per：百分比樣式（深色背景、白色文字）
標簽位置：設置position="outside"將標簽顯示在餅圖外部，避免遮擋數據。
數據生成：使用Faker類快速生成模擬數據，簡化示例代碼。

效果與應用

核心優勢：富文本標簽大大提升了數據標簽的可讀性和美觀度，使標簽不僅是數據展示工具，還能成為圖表的視覺元素之一。
在這里插入圖片描述

適用場景：

需要展示詳細數據信息的報告
面向客戶的演示文稿
數據看板和儀表盤
學術論文中的數據可視化

使用技巧：根據實際需求調整標簽樣式，確保文字與背景對比度足夠，避免標簽過于復雜影響可讀性。對于數據密集型圖表，富文本標簽可以幫助用戶快速獲取關鍵信息。

接下來，我們將學習如何創建帶有滾動圖例的餅圖，解決數據類別較多時的圖例過長問題。

滾動圖例餅圖（Pie - Scroll Legend）

當餅圖數據類別較多（10個以上）時，傳統圖例會占據大量空間，影響整體布局。滾動圖例通過垂直滾動方式展示所有類別，既節省空間又保持了數據的完整性。下面是一個帶有滾動圖例的餅圖示例：

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.faker import Fakerc = (Pie().add("",[list(z)for z in zip(Faker.choose() + Faker.choose() + Faker.choose(),Faker.values() + Faker.values() + Faker.values(),)],center=["40%", "50%"],).set_global_opts(title_opts=opts.TitleOpts(title="Pie-Legend 滾動"),legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical"),).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}"))#.render("pie_scroll_legend.html")
)
c.render_notebook()

代碼解析

滾動圖例餅圖的實現重點在于圖例配置：

數據準備：通過多次調用Faker.choose()和Faker.values()生成大量模擬數據，模擬類別較多的場景。
滾動圖例設置：核心參數legend_opts=opts.LegendOpts(type_="scroll", pos_left="80%", orient="vertical")：
- type_="scroll"：啟用圖例滾動功能
- pos_left="80%"：將圖例放置在右側
- orient="vertical"：設置圖例為垂直方向
餅圖位置調整：通過center=["40%", "50%"]將餅圖向左移動，為右側滾動圖例留出足夠空間。
標簽簡化：設置標簽格式為{b}: {c}，只顯示數據名稱和數值，避免標簽過于復雜。

效果與應用

在這里插入圖片描述

核心優勢：在不犧牲數據完整性的前提下，有效解決了多類別數據圖例過長的問題，保持了圖表的簡潔性和可用性。

適用場景：

產品分類數據展示
地區分布統計
多品牌市場份額分析
細分市場調研數據

使用技巧：當數據類別超過10個時，建議使用滾動圖例。同時，調整餅圖位置和大小，確保與圖例之間有足夠的空間，避免視覺沖突。

接下來，我們將學習另一種風格的環形圖（Doughnut_chart），其特點是中間留有較大空白，可用于展示額外信息。

環形圖（Doughnut_chart）

環形圖是餅圖的經典變體，通過在中間留出較大空白區域，不僅可以減輕視覺負擔，還能在空白處展示標題或關鍵指標。這種設計特別適合對比數據或展示占比關系。下面是一個環形圖的實現示例：

import pyecharts.options as opts
from pyecharts.charts import Pie"""
Gallery 使用 pyecharts 1.1.0
參考地址: `https://echarts.apache.org/examples/editor.html?c=pie-doughnut` 目前無法實現的功能:1、餅狀圖中間的圖例名稱暫時無法顯示
"""# 定義數據
x_data = ["直接訪問", "郵件營銷", "聯盟廣告", "視頻廣告", "搜索引擎"]
y_data = [335, 310, 234, 135, 1548]# 創建餅圖實例
(Pie().add(series_name="訪問來源",data_pair=[list(z) for z in zip(x_data, y_data)],radius=["50%", "70%"],label_opts=opts.LabelOpts(is_show=False, position="center"),).set_global_opts(legend_opts=opts.LegendOpts(pos_left="left", orient="vertical")).set_series_opts(tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"),# label_opts=opts.LabelOpts(formatter="{b}: {c}"))#.render("doughnut_chart.html").render_notebook()
)

代碼解析

環形圖的實現要點如下：

環形效果配置：通過radius=["50%", "70%"]設置內外半徑，創建環形效果。內圓半徑越大，中間空白區域越大。
圖例位置優化：將圖例放置在左側并設置為垂直方向(pos_left="left", orient="vertical")，便于用戶查看類別信息。
中心標簽處理：當前版本中，環形圖中間的圖例名稱暫時無法顯示（代碼中已注釋說明），這是一個已知限制。
數據特點適配：示例中搜索引擎數據值(1548)遠大于其他類別，環形圖能夠清晰展示這種占比懸殊的數據，突出主要類別。

效果與應用

在這里插入圖片描述

核心優勢：環形設計比普通餅圖更適合展示占比關系，尤其是當存在一個主導類別時。中間的空白區域可以用于放置標題或關鍵指標（未來版本可能支持）。

適用場景：

業務報告中的核心指標展示
市場分析中的主導產品/服務占比
網站流量主要來源展示
資源分配中的主要方向突出

使用技巧：當需要突出某個主要類別時，環形圖比普通餅圖效果更好。可以通過調整內外半徑比例，控制中間空白區域的大小。

接下來，我們將學習如何創建嵌套餅圖（Nested_pies），它能夠展示多層級的數據結構關系。

嵌套餅圖（Nested_pies）

嵌套餅圖是一種高級數據可視化工具，由多個同心圓環組成，能夠直觀展示多層級的數據結構關系，如大類與子類的包含關系。下面是一個嵌套餅圖的實現示例：

import pyecharts.options as opts
from pyecharts.charts import Pie"""
Gallery 使用 pyecharts 1.1.0
參考地址: `https://echarts.apache.org/examples/editor.html?c=pie-nest` 目前無法實現的功能:1、暫無
"""inner_x_data = ["直達", "營銷廣告", "搜索引擎"]
inner_y_data = [335, 679, 1548]
inner_data_pair = [list(z) for z in zip(inner_x_data, inner_y_data)]outer_x_data = ["直達", "營銷廣告", "搜索引擎", "郵件營銷", "聯盟廣告", "視頻廣告", "百度", "谷歌", "必應", "其他"]
outer_y_data = [335, 310, 234, 135, 1048, 251, 147, 102]
outer_data_pair = [list(z) for z in zip(outer_x_data, outer_y_data)](Pie().add(series_name="訪問來源",data_pair=inner_data_pair,radius=[0, "30%"],label_opts=opts.LabelOpts(position="inner"),).add(series_name="訪問來源",radius=["40%", "55%"],data_pair=outer_data_pair,label_opts=opts.LabelOpts(position="outside",formatter="{a|{a}}{abg|}
{hr|}{b|{b}: }{c}  {per|{d}%}  ",background_color="#eee",border_color="#aaa",border_width=1,border_radius=4,rich={"a": {"color": "#999", "lineHeight": 22, "align": "center"},"abg": {"backgroundColor": "#e3e3e3","width": "100%","align": "right","height": 22,"borderRadius": [4, 4, 0, 0],},"hr": {"borderColor": "#aaa","width": "100%","borderWidth": 0.5,"height": 0,},"b": {"fontSize": 16, "lineHeight": 33},"per": {"color": "#eee","backgroundColor": "#334455","padding": [2, 4],"borderRadius": 2,},},),).set_global_opts(legend_opts=opts.LegendOpts(pos_left="left", orient="vertical")).set_series_opts(tooltip_opts=opts.TooltipOpts(trigger="item", formatter="{a} <br/>{b}: {c} ({d}%)"))#.render("nested_pies.html").render_notebook()
)

代碼解析

嵌套餅圖的實現需要處理多層數據和圓環配置：

多層數據準備：定義內層數據（inner_data_pair）展示主要分類（直達、營銷廣告、搜索引擎），外層數據（outer_data_pair）展示更詳細的子分類（如搜索引擎細分為百度、谷歌等）。
同心圓環配置：通過設置不同的radius值創建多層圓環：
- 內層圓環：radius=[0, "30%"]（實心內圓）
- 外層圓環：radius=["40%", "55%"]（環形）
標簽策略：內層標簽設置為position="inner"顯示在圓環內部；外層標簽設置為position="outside"并使用富文本格式，確保信息清晰易讀。
圖例配置：將圖例放置在左側并設置為垂直方向，便于用戶理解多層數據關系。

效果與應用

在這里插入圖片描述

核心優勢：嵌套餅圖能夠在一個圖表中同時展示多層級數據關系，幫助用戶理解數據的結構和層次，以及各層級之間的占比關系。

適用場景：

網站流量來源的大類與子類分析
銷售數據的地區與產品分類展示
市場份額的品牌與產品線關系
人口統計的層級結構數據

使用技巧：嵌套餅圖最適合展示2-3層數據結構。層數過多會導致圖表過于復雜，影響可讀性。確保內層和外層數據之間有明確的包含關系。

最后，我們將學習如何創建多餅圖(Multiple_pie)，它可以在一個畫布中展示多個獨立餅圖，便于對比不同類別的數據。

多餅圖基本示例(Multiple_pie)

多餅圖是一種強大的對比分析工具，通過在同一畫布中展示多個獨立餅圖，可以直觀對比不同類別或組的數據分布。下面是一個多餅圖的實現示例：

from pyecharts import options as opts
from pyecharts.charts import Pie
from pyecharts.commons.utils import JsCodefn = """function(params) {if(params.name == '其他')return '\\n\\n\\n' + params.name + ' : ' + params.value + '%';return params.name + ' : ' + params.value + '%';}"""def new_label_opts():return opts.LabelOpts(formatter=JsCode(fn), position="center")c = (Pie().add("",[list(z) for z in zip(["劇情", "其他"], [25, 75])],center=["20%", "30%"],radius=[60, 80],label_opts=new_label_opts(),).add("",[list(z) for z in zip(["奇幻", "其他"], [24, 76])],center=["55%", "30%"],radius=[60, 80],label_opts=new_label_opts(),).add("",[list(z) for z in zip(["愛情", "其他"], [14, 86])],center=["20%", "70%"],radius=[60, 80],label_opts=new_label_opts(),).add("",[list(z) for z in zip(["驚悚", "其他"], [11, 89])],center=["55%", "70%"],radius=[60, 80],label_opts=new_label_opts(),).set_global_opts(title_opts=opts.TitleOpts(title="Pie-多餅圖基本示例"),legend_opts=opts.LegendOpts(type_="scroll", pos_top="20%", pos_left="80%", orient="vertical"),)# .render("mutiple_pie.html")
)
c.render_notebook()