还在用饼状图？来瞧瞧这些炫酷的百分比可视化新图形（附代码实现）⛵

本文讲解9种『炫酷高级』的数据图表，可视化地表示比例或百分比：哑铃图、甜甜圈图、华夫饼图、堆积条形图...附上代码，快快用起来吧！

💡 作者：韩信子@ShowMeAI

📘 数据分析实战系列：https://www.showmeai.tech/tutorials/40

📘 本文地址：https://www.showmeai.tech/article-detail/339

📢 声明：版权所有，转载请联系平台与作者并注明出处

📢 收藏ShowMeAI查看更多精彩内容

饼图是用于显示分类数据比例的典型图表，我们用圆形图形代表整个样本集，把它分为多个切片并显示对应数据与总数相比的比例贡献。饼图在数据可视化中经常使用，因为它直观且结果容易理解。

不过饼图并不是我们可以使用的唯一选择，还有一些炫酷高级的图表可以表示比例或百分比，在本篇内容中 ShowMeAI 将给大家讲到另外9个备选可视化图形方案，具备相同的功能但实现效果不一样。

本篇内容涉及的工具库，大家可以参考ShowMeAI制作的工具库速查表和教程进行学习和快速使用。

📘图解数据分析：从入门到精通系列教程

📘数据科学工具库速查表 | Pandas 速查表

📘数据科学工具库速查表 | Seaborn 速查表

💡 获取数据我们先导入所需工具库：

代码语言：python复制# 数据分析处理工具库

import numpy as np

import pandas as pd

# 数据可视化工具库

import matplotlib.pyplot as plt

import seaborn as sns

%matplotlib inline我们将以案例的形式给大家讲解可视化技巧，本篇的数据我们将使用爬虫技术爬取获取，我们对维基百科上显示截至 2020 年煤炭产量超过 500 万吨的国家和地区进行数据爬取和整理。

代码语言：python复制# 爬虫与网页解析工具库

import requests

from bs4 import BeautifulSoup

wikiurl='https://en.wikipedia.org/wiki/List_of_countries_by_coal_production'

table_class='wikitable sortable jquery-tablesorter'

response=requests.get(wikiurl)

#status/状态码为200，表示爬取成功

print(response.status_code)我们使用 📘BeautifulSoup 工具对爬取到的网页进行解析

代码语言：python复制# 解析对应的网页元素

soup = BeautifulSoup(response.text, 'html.parser')

table = soup.find('table',{'class':"wikitable"})

# 整理为dataframe形态

df_coalall = pd.read_html(str(table))[0]

df_coalall这里我们不使用全部国家，我们选择欧洲 2020 年煤炭产量的国家。例如俄罗斯、德国、波兰、捷克共和国、乌克兰、罗马尼亚、希腊和保加利亚。

大家也可以修改下面的代码，对国家或年份进行更改。

代码语言：python复制# 选取国家

list_country = ['Russia', 'Germany', 'Poland', 'Czech Republic',

'Ukraine', 'Romania', 'Greece', 'Bulgaria']

# 整理不同国家的数量

df_coalpre = df_coalall[df_coalall['Country'].isin(list_country)]

df_coalpre = df_coalpre.iloc[:,0:2]

df_coalpre.rename(columns={'2020[1]':'2020'}, inplace=True)

df_coalpre.reset_index(drop=True, inplace=True)

df_coalpre我们对 DataFrame 进行melt操作创建一个百分比列以供后面使用

代码语言：python复制df_coal = pd.melt(df_coalpre, id_vars=['Country'],

value_vars='2020',

var_name='Year', value_name='Value')

# 计算百分占比

df_coal['Percent'] = [round(i*100/sum(df_coal.Value),1) for i in df_coal.Value]

df_coal💡 基础饼图饼状图当然基于 Matplotlib 是很好绘制的啦，我们用 Seaborn 调一下调色板，让呈现更好看一点，代码如下：

代码语言：python复制# seaborn调色板

pal_ = list(sns.color_palette(palette='plasma_r',

n_colors=len(list_country)).as_hex())

# 绘制饼图

plt.figure(figsize=(14, 14))

plt.rcParams.update({'font.size': 16})

plt.pie(df_coal.Value,

labels= df_coal.Country,

colors=pal_, autopct='%1.1f%%',

pctdistance=0.9)

plt.legend(bbox_to_anchor=(1, 1), loc=2, frameon=False)

plt.show()上面的饼图显示了 2020 年煤炭产量超过 500 万吨的欧洲国家的各自占比。

💡 其他数据可视化图下面ShowMeAI将介绍 9 种饼图之外的占比可视化图，它们可以分为两组：

圆形图形

哑铃图（又名杠铃图）罗列气泡图环绕气泡图交互式饼图交互式甜甜圈图其他形式

树状图华夫饼图条形图堆积条形图💦 哑铃图（杠铃图）哑铃图是一种可视化技巧，用于比较两个数据。顾名思义，哑铃图由两个用直线统一的圆形图形组成。 在下面的示例中我们将 X 轴范围设置为 0 到 100% 以显示煤炭产量的百分比。

我们直接看代码和效果：

代码语言：python复制df_select = df_coal[['Country', 'Percent']]

df_select['Label_color'] = [i for i in df_coal['Country']]

df_coalmod = df_coal[['Country']]

df_coalmod['Percent'] = [100-i for i in df_coal['Percent']]

df_coalmod['Label_color'] = ['Other countries']*len(list_country)

df_db = pd.concat([df_select, df_coalmod],axis=0)

df_db下面绘制 2020 年煤炭产量最高的两个国家

代码语言：python复制# 构建数据字典

color_country = dict(zip(list_country,pal_))

# 添加颜色设置

color_country['Other countries'] = '#b9b9b9'

# 选择国家，设定Y轴

df_ = df_select.iloc[0:2,:]

df_['Y'] = [1]*len(df_)

import plotly.express as px

fig = px.scatter(df_, x='Percent', y='Y', color='Label_color',

text = [str(i)+' %' for i in df_.Percent][0:len(df_)],

opacity=1,

color_discrete_map=color_country)

fig.update_layout(width = 950, height = 300, plot_bgcolor = 'white',

margin = dict(t=40, l=20, r=20, b=20),

yaxis={'categoryorder':'total descending'},

legend=dict(title='Countries'),

showlegend=True)

for c in list_country:

df = df_[df_['Country']==c]

fig.add_shape(type="line", layer="below",

line=dict(color='black', width=6),

y0=1, x0=list(df_.Percent)[0],

y1=1, x1=list(df_.Percent)[1])

fig.update_traces(textposition='top center', marker={'size':65},

textfont=dict(color='black'))

fig.update_yaxes(visible=False)

fig.update_xaxes(visible=True, showgrid =False, range=[-1, 101])

fig.show()绘制每个国家与剩余其他国家总和相比的百分比

代码语言：python复制color_country = dict(zip(list_country,pal_))

color_country['Other countries'] = '#b9b9b9'

import plotly.express as px

fig = px.scatter(df_db, x='Percent', y='Country', color='Label_color',

text = [str(i)+' %' for i in df_db.Percent],

opacity=1,

color_discrete_map=color_country)

fig.update_layout(width = 950, height = 900, plot_bgcolor = 'white',

margin = dict(t=40, l=20, r=20, b=20),

yaxis={'categoryorder':'total descending'},

legend=dict(title='Countries'),

showlegend=True)

for c in list_country:

df = df_db[df_db['Country']==c]

fig.add_shape(type="line", layer="below",

line=dict(color=color_country.get(c), width=6),

y0=c, x0=list(df.Percent)[0],

y1=c, x1=list(df.Percent)[1])

fig.update_traces(textposition='top center', marker={'size':58},

textfont=dict(color='black'))

fig.update_yaxes(title='', visible=True, showgrid =False)

fig.update_xaxes(visible=False)

fig.show()结果看起来不错，不过我们这里的圈圈大小都是一样的，这可能不方便在国家之间进行比较。我们可以通过根据百分比值改变圆形大小，代码模板如下：

代码语言：python复制import plotly.express as px

fig = px.scatter(df_db, x='Percent', y='Country', color='Label_color',

text = [str(i)+' %' for i in df_db.Percent],

size = 'Percent', size_max=45,

opacity=1,

color_discrete_map=color_country)

fig.update_layout(width = 950, height = 900, plot_bgcolor = 'white',

margin = dict(t=40, l=20, r=20, b=20),

yaxis={'categoryorder':'total descending'},

legend=dict(title='Countries'),

showlegend=True)

for c in list_country:

df = df_db[df_db['Country']==c]

fig.add_shape(type="line", layer="below",

line=dict(color=color_country.get(c), width=6),

y0=c, x0=list(df.Percent)[0],

y1=c, x1=list(df.Percent)[1])

fig.update_traces(textposition='top center',

textfont=dict(color='black'))

fig.update_yaxes(title='', visible=True, showgrid =False)

fig.update_xaxes(visible=False)

fig.show()💦 罗列气泡图我们可以使用多个大小不一样的圆圈来表示数据大小与占比，这也就是气泡图，我们把气泡水平罗列排布就可以起到对比和展示的作用，也就是罗列气泡图，下面是它的实现代码：

代码语言：python复制df_coal['Y'] = [1]*len(df_coal)

list_x = list(range(0,len(df_coal)))

df_coal['X'] = list_x

df_coal绘制罗列气泡图

代码语言：python复制# 构建气泡列表

label = [i+'
'+str(j)+'
'+str(k)+'%' for i,j,k in zip(df_coal.Country,

df_coal.Value,

df_coal.Percent)]

import plotly.express as px

fig = px.scatter(df_coal, x='X', y='Y',

color='Country', color_discrete_sequence=pal_,

size='Value', text=label, size_max=90

)

fig.update_layout(width=900, height=320,

margin = dict(t=50, l=0, r=0, b=0),

showlegend=False

)

fig.update_traces(textposition='top center')

fig.update_xaxes(showgrid=False, zeroline=False, visible=False)

fig.update_yaxes(showgrid=False, zeroline=False, visible=False)

fig.update_layout({'plot_bgcolor': 'white',

'paper_bgcolor': 'white'})

fig.show()气泡图显示了 2020 年煤炭产量超过 500 万吨的欧洲国家百分比的情况。不过罗列气泡图有一个问题：绘图空间。绘制的圆圈越多，需要的面积就越大。

💦 环绕气泡图上面的罗列气泡图非常占空间，我们可以把气泡圈圈以不同的方式排布，以节省空间，比如环绕气泡图

代码语言：python复制import circlify

# 气泡的位置分布

circles = circlify.circlify(df_coal['Value'].tolist(),

show_enclosure=False,

target_enclosure=circlify.Circle(x=0, y=0)

)

circles.reverse()绘制圆形包装

代码语言：python复制# 构建气泡列表

label = [i+'
'+str(j)+'
'+str(k)+'%' for i,j,k in zip(df_coal.Country,

df_coal.Value,

df_coal.Percent)]

fig, ax = plt.subplots(figsize=(14,14), facecolor='white')

ax.axis('off')

lim = max(max(abs(circle.x)+circle.r, abs(circle.y)+circle.r,) for circle in circles)

plt.xlim(-lim, lim)

plt.ylim(-lim, lim)

# 以环绕方式绘图

for circle, note, color in zip(circles, label, pal_):

x, y, r = circle

ax.add_patch(plt.Circle((x, y), r, alpha=1, color = color))

plt.annotate(note.replace('
','\n'), (x,y), size=16, va='center', ha='center')

plt.xticks([])

plt.yticks([])

plt.show()💦 交互式饼图饼图其实依旧是很好的可视化展示工具，但是我们经常会有更灵活的要求，比如俄乌2022年冲突的大背景下，我们需要刨去 Russia 之后看各国家占比，那又是另外一个分布情况，而这种灵活的交互式应用，可以借助于 Python 中的 📘Plotly 工具库完成，下面是交互式饼状图绘制代码：

代码语言：python复制import plotly.express as px

fig = px.pie(df_coal, values='Value', names='Country',

color_discrete_sequence=pal_)

fig.update_layout(width = 800, height = 600,

margin = dict(t=0, l=0, r=0, b=0))

fig.update_traces(textfont_size=16)

fig.show()💦 甜甜圈图顾名思义，甜甜圈图，就是中心有空白的饼图。它其实和饼图很像，但是因为中心位置空出来了，大家可以在其中添加一些额外的信息。下面是我们借助 Plotly 工具库绘制甜甜圈图的示例：

代码语言：python复制import plotly.express as px

fig = px.pie(df_coal, values='Value', names='Country',

color_discrete_sequence=pal_)

fig.update_traces(textposition='outside', textinfo='percent+label',

hole=.6, hoverinfo="label+percent+name")

fig.update_layout(width = 800, height = 600,

margin = dict(t=0, l=0, r=0, b=0))

fig.show()💦 树状图并不只有圆圈状的可视化图适合显示占比，我们也可以使用其他的形状，比如最常见的可视化图之一就是树状图，我们会用方块状的图来展示数据大小和占比情况，参考示例如下：

代码语言：python复制# 添加颜色

color_country['(?)'] = '#e9e9e9'

# 构建占比列表

Label_per = [str(round(i*100/sum(df_coal.Value),1))+' %' for i in df_coal.Value]

import plotly.express as px

fig = px.treemap(df_coal, path=[px.Constant('2022'), 'Country'],

values=df_coal.Percent,

color=df_coal.Country,

color_discrete_map=color_country,

hover_name=Label_per,

)

fig.update_layout(margin = dict(t=50, l=25, r=25, b=25), showlegend=True)

fig.show()💦 华夫饼图大家一定见过 GitHub 中的活跃天数图，大家有没有觉得，这也是一个非常酷的可视化方法，在可视化领域，这样的图叫做华夫饼图。是不是很形象，就像吃的华夫饼一样分成很多小块块。

绘制华夫饼图的简单代码示例如下：

代码语言：python复制# 注意需要通过 pip install pywaffle来安装对应的工具库

from pywaffle import Waffle

fig = plt.figure(FigureClass=Waffle,

rows=20, columns=50,

values=df_coal.Percent,

colors=pal_,

labels=[i+' '+j for i,j in zip(df_coal.Country, Label_per)],

figsize = (15,6),

legend={'loc':'upper right',

'bbox_to_anchor': (1.32, 1),

})

plt.tight_layout()

plt.show()💦 条形图另一种典型的占比图示是条形图，大家对进度条有没有印象，它对于显示占比情况也是非常有效的。

下面我们使用类似的呈现手法，使用 Plotly 工具库构建条形图来显示占比，而且我们构建的图示是交互式的，大家的鼠标悬停在条形上时会显示相应的信息。

代码语言：python复制# 添加颜色设置

color_country['Other countries'] = '#dcdcdc'

import plotly.express as px

fig = px.bar(df_db, y='Country', x='Percent', color='Label_color',

text=[i+' '+str(j)+' %' if i != 'Other countries' else '' for i,j in zip(df_db.Label_color,

df_db.Percent)],

orientation='h',

color_discrete_map=color_country

)

fig.update_layout(width = 950, height = 500, plot_bgcolor = 'white',

margin = dict(t=10, l=10, r=0, b=10),

yaxis={'categoryorder':'total descending'},

legend=dict(title='Countries'),

showlegend=True

)

fig.update_traces(textposition='auto')

fig.update_xaxes(visible=False)

fig.update_yaxes(visible=False)

fig.show()💦 堆积条形图对应到上述条形图，我们当然也可以构建堆积条形图，它能更清晰显示单个数据点与总数的比例。不过大家稍微注意一下，这种堆叠的结构的一个可能问题是，很小占比的国家，可能就显示不太清楚了，堆叠条形图的代码示例如下：

代码语言：python复制import plotly.express as px

fig = px.bar(df_coal, y='Year', x='Percent', color='Country',

text = [i + str(j)+' %' for i,j in zip(df_coal.Country, df_coal.Percent)],

orientation='h',color_discrete_sequence=pal_)

fig.update_layout(width = 1400, height = 360, plot_bgcolor = 'white',

margin = dict(t=40, l=20, r=20, b=20),

#title_text = '2020',

showlegend=False)

fig.update_traces(textposition='inside')

fig.update_xaxes(visible=False)

fig.update_yaxes(visible=False)

fig.show()💡 总结饼图是数据可视化中的典型图表，对于占比呈现非常有效。但是一直使用饼图也是非常单一的，容易视觉疲劳，本文中 ShowMeAI 讲解了9种替代饼图的可视化方法，大家可以结合它们的优缺点进行选择，和丰富自己的可视化工具箱。

参考资料📘 BeautifulSoup：https://www.crummy.com/software/BeautifulSoup/bs4/doc.zh/📘 Plotly：https://plotly.com/python/pie-charts/📘 图解数据分析：从入门到精通系列教程：https://www.showmeai.tech/tutorials/33📘 数据科学工具库速查表 | Pandas 速查表：https://www.showmeai.tech/article-detail/101📘 数据科学工具库速查表 | Seaborn 速查表：[https://www.showmeai.tech/article-detail/105](http://www.showmeai.tech/article-detail/105)