Un gráfico circular es un diagrama estadístico circular que puede mostrar solo una serie de datos. El área del gráfico es el porcentaje total de los datos dados. El área de sectores del pastel representa el porcentaje de las partes de los datos. Las rebanadas de pastel se llaman cuñas. El área de la cuña está determinada por la longitud del arco de la cuña. El área de una cuña representa el porcentaje relativo de esa parte con respecto a los datos completos. Los gráficos circulares se usan comúnmente en presentaciones comerciales como ventas, operaciones, resultados de encuestas, recursos, etc., ya que brindan un resumen rápido.
Creación de un gráfico circular
La API de Matplotlib tiene la función pie() en su módulo pyplot que crea un gráfico circular que representa los datos en una array.
Python3
# Import libraries from matplotlib import pyplot as plt import numpy as np # Creating dataset cars = ['AUDI', 'BMW', 'FORD', 'TESLA', 'JAGUAR', 'MERCEDES'] data = [23, 17, 35, 29, 12, 41] # Creating plot fig = plt.figure(figsize =(10, 7)) plt.pie(data, labels = cars) # show plot plt.show()
Python3
# Import libraries import numpy as np import matplotlib.pyplot as plt # Creating dataset cars = ['AUDI', 'BMW', 'FORD', 'TESLA', 'JAGUAR', 'MERCEDES'] data = [23, 17, 35, 29, 12, 41] # Creating explode data explode = (0.1, 0.0, 0.2, 0.3, 0.0, 0.0) # Creating color parameters colors = ( "orange", "cyan", "brown", "grey", "indigo", "beige") # Wedge properties wp = { 'linewidth' : 1, 'edgecolor' : "green" } # Creating autocpt arguments def func(pct, allvalues): absolute = int(pct / 100.*np.sum(allvalues)) return "{:.1f}%\n({:d} g)".format(pct, absolute) # Creating plot fig, ax = plt.subplots(figsize =(10, 7)) wedges, texts, autotexts = ax.pie(data, autopct = lambda pct: func(pct, data), explode = explode, labels = cars, shadow = True, colors = colors, startangle = 90, wedgeprops = wp, textprops = dict(color ="magenta")) # Adding legend ax.legend(wedges, cars, title ="Cars", loc ="center left", bbox_to_anchor =(1, 0, 0.5, 1)) plt.setp(autotexts, size = 8, weight ="bold") ax.set_title("Customizing pie chart") # show plot plt.show()
Python3
# Import libraries from matplotlib import pyplot as plt import numpy as np # Creating dataset size = 6 cars = ['AUDI', 'BMW', 'FORD', 'TESLA', 'JAGUAR', 'MERCEDES'] data = np.array([[23, 16], [17, 23], [35, 11], [29, 33], [12, 27], [41, 42]]) # normalizing data to 2 pi norm = data / np.sum(data)*2 * np.pi # obtaining ordinates of bar edges left = np.cumsum(np.append(0, norm.flatten()[:-1])).reshape(data.shape) # Creating color scale cmap = plt.get_cmap("tab20c") outer_colors = cmap(np.arange(6)*4) inner_colors = cmap(np.array([1, 2, 5, 6, 9, 10, 12, 13, 15, 17, 18, 20 ])) # Creating plot fig, ax = plt.subplots(figsize =(10, 7), subplot_kw = dict(polar = True)) ax.bar(x = left[:, 0], width = norm.sum(axis = 1), bottom = 1-size, height = size, color = outer_colors, edgecolor ='w', linewidth = 1, align ="edge") ax.bar(x = left.flatten(), width = norm.flatten(), bottom = 1-2 * size, height = size, color = inner_colors, edgecolor ='w', linewidth = 1, align ="edge") ax.set(title ="Nested pie chart") ax.set_axis_off() # show plot plt.show()
Publicación traducida automáticamente
Artículo escrito por jeeteshgavande30 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA