为Matplotlib饼图中的数据指定特定颜色

时间:2016-02-04 16:25:20

标签: python python-2.7 matplotlib charts pie-chart

我正在尝试使用matplotlib创建饼图,其中每个类别的颜色都是固定的。

我有一个函数可以根据值和类别数据集创建一个饼图。这是一个例子:

Category     Value
TI           65
Con          43
FR           40
TraI         40
Bug          38
Data         22
Int          15
KB           12
Other        8
Dep          7
PW           6
Uns          5
Perf         4
Dep          3

问题在于数据因实例而异,而这又会改变类别的顺序。因此,每次生成图表时,每个类别都会被标记为不同的颜色。我可以每次按字母顺序对数据进行排序,但这会导致两个问题:某些数据集中缺少某些类别,我更喜欢按大小排序,以便最小的楔形水平定向。

如何根据matplotlib的索引设置pandas.Series来指定颜色?

这是我用来生成饼图的代码:

import matplotlib.pyplot as plt

slices = [62, 39, 39, 38, 37, 21, 15,  9,  6,  7,  6,  5,  4, 3]

cmap = plt.cm.prism
colors = cmap(np.linspace(0., 1., len(slices)))

labels = [u'TI', u'Con', u'FR', u'TraI', u'Bug', u'Data', u'Int', u'KB', u'Other', u'Dep', u'PW', u'Uns', u'Perf', u'Dep']

fig = plt.figure(figsize=[10, 10])
ax = fig.add_subplot(111)

pie_wedge_collection = ax.pie(slices, colors=colors, labels=labels, labeldistance=1.05, autopct=make_autopct(slices))

for pie_wedge in pie_wedge_collection[0]:
    pie_wedge.set_edgecolor('white')

titlestring = 'Issues'

ax.set_title(titlestring)

编辑:我忘了解释autopct函数,它用于添加值和百分比标签:

def make_autopct(values):
    def my_autopct(pct):
        total = sum(values)
        val = int(round(pct*total/100.0))
        return '{p:.2f}%  ({v:d})'.format(p=pct,v=val)
    return my_autopct

2 个答案:

答案 0 :(得分:3)

这是您可以尝试的想法。根据标签和颜色制作字典,以便将每种颜色映射到标签。然后,在制作饼图后,使用此词典指定楔形的facecolor

这是一个未经测试的位代码,可能会满足您的需求:

import numpy as np
import matplotlib.pyplot as plt

def mypie(slices,labels,colors):

    colordict={}
    for l,c in zip(labels,colors):
        print l,c
        colordict[l]=c

    fig = plt.figure(figsize=[10, 10])
    ax = fig.add_subplot(111)

    pie_wedge_collection = ax.pie(slices, labels=labels, labeldistance=1.05)#, autopct=make_autopct(slices))

    for pie_wedge in pie_wedge_collection[0]:
        pie_wedge.set_edgecolor('white')
        pie_wedge.set_facecolor(colordict[pie_wedge.get_label()])

    titlestring = 'Issues'

    ax.set_title(titlestring)

    return fig,ax,pie_wedge_collection

slices = [37, 39, 39, 38, 62, 21, 15,  9,  6,  7,  6,  5,  4, 3]
cmap = plt.cm.prism
colors = cmap(np.linspace(0., 1., len(slices)))
labels = [u'TI', u'Con', u'FR', u'TraI', u'Bug', u'Data', u'Int', u'KB', u'Other', u'Dep', u'PW', u'Uns', u'Perf', u'Dep']

fig,ax,pie_wedge_collection = mypie(slices,labels,colors)

plt.show()

答案 1 :(得分:3)

这是@tmdavison答案的更简单解决方案。

首先让我们看看MWE的问题:

import matplotlib.pyplot as plt

labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']
sizes = [15, 30, 45, 10]

fig, ax = plt.subplots(1, 2)

ax[0].pie(sizes, labels=labels)
ax[1].pie(sizes[1:], labels=labels[1:])

这会产生问题图:

enter image description here

问题在于,在左侧图中,Hogs被涂成橙色,而在右侧图中,Hogs被涂成蓝色({{ 1}}和Logs)。

我们希望标签的颜色在两个图中都相同。我们可以通过指定要使用的颜色字典来做到这一点:

Dogs

这可以创建情节:

enter image description here

在这里,我们可以看到,在两个图中,标签都用相同的颜色表示。

如果您有很多类别,则手动为每个类别设置颜色会很麻烦。在这种情况下,您可以将labels = ['Frogs', 'Hogs', 'Dogs', 'Logs'] sizes = [15, 30, 45, 10] colours = {'Frogs': 'C0', 'Hogs': 'C1', 'Dogs': 'C2', 'Logs': 'C3'} fig, ax = plt.subplots(1, 2) ax[0].pie(sizes, labels=labels, colors=[colours[key] for key in labels]) ax[1].pie(sizes[1:], labels=labels[1:], colors=[colours[key] for key in labels[1:]]) 字典构造为:

colours

如果您有10个以上的类别,则应改用:

colours = dict(zip(labels, plt.cm.tab10.colors[:len(labels)]))