一、前言

本文章向大家介绍Python matplotlib.axes.Axes.pie()实例讲解，主要分析其语法、参数、返回值和注意事项，并结合实例形式分析了其使用技巧。

二、matplotlib.axes.Axes.pie()函数

matplotlib库的axiss模块中的Axes.pie()函数用于绘制饼图：

用法： Axes.pie(self, x, explode=None, labels=None, colors=None, autopct=None, pctdistance=0.6, shadow=False, labeldistance=1.1, startangle=None, radius=None, counterclock=True, wedgeprops=None, textprops=None, center=(0, 0), frame=False, rotatelabels=False, *, data=None)

参数：

此方法接受以下描述的参数：

• x:此参数是楔形尺寸。
• explode:此参数是len(x)数组，它指定偏移每个楔形的半径的分数。
• autopct:此参数是一个字符串或函数，用于用楔形数值标记楔形。
• colors:此参数是饼图将循环通过的matplotlib颜色args的序列。
• label:此参数是为每个楔形提供标签的字符串序列。
• pctdistance:此参数是每个饼图切片的中心与autopct生成的文本开头之间的比率。
• shadow:此参数用于在饼图下方绘制阴影。
• labeldistance:此参数是绘制饼形标签的径向距离。
• startangle:此参数用于将饼图的起点从x轴逆时针旋转角度。
• radius:此参数是饼图的半径。
• counterclock:此参数指定分数方向，顺时针或逆时针。
• wedgeprops:此参数是传递给构成饼的楔形对象的参数的字典。
• textprops:此参数是传递给文本对象的参数的字典。
• center:此参数是图表的中心位置。
• frame:如果为true，则此参数用于绘制带有图表的轴框架。
• rotatelabels:如果为true，则此参数用于将每个标签旋转到相应切片的角度。

返回值：

这将返回以下内容：

• patches:这将返回matplotlib.patches.Wedge实例的序列。
• texts:这将返回标签matplotlib.text.Text实例的列表。
• autotexts:这将返回数字标签的Text实例列表。

三、代码示例

以下示例说明了matplotlib.axes中的matplotlib.axes.Axes.pie()函数：

import matplotlib.pyplot as plt
labels = 'week1', 'week2', 'week3', 'week4'
sizes = [10, 20, 30, 40] 
explode = (0.1, 0, 0, 0)  
fig1, ax1 = plt.subplots() 
ax1.pie(sizes, explode = explode, labels = labels, autopct ='% 1.1f %%', shadow = True, startangle = 90) 
ax1.axis('equal')  
ax1.set_title('matplotlib.axes.Axes.pie Example') 
plt.show()

import matplotlib.pyplot as plt 
import numpy as np 
fig, ax = plt.subplots() 
size = 0.3
vals = np.array([[90, 43], [57, 60], [92, 20]])  
cmap = plt.get_cmap("Spectral", 4) 
mid_colors = cmap(np.array([1, 2, 3])) 
ax.pie(vals.sum(axis = 1), radius = 1, colors = mid_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
plt.show()

import matplotlib.pyplot as plt 
import numpy as np 
fig, ax = plt.subplots() 
size = 0.3
vals = np.array([[90, 43], [57, 60], [92, 20]])  
cmap = plt.get_cmap("tab20c") 
outer_colors = cmap(np.arange(3)*4) 
mid_colors = cmap(np.array([1, 2, 3, 4, 5, ])) 
inner_colors = cmap(np.array([4, 12, 5, 6, 9, 10])) 
ax.pie(vals.sum(axis = 1), radius = 1, colors = outer_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
ax.pie(vals.sum(axis = 1), radius = 1-size, colors = mid_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
ax.pie(vals.sum(axis = 1), radius = 1-2 * size, colors = inner_colors, wedgeprops = dict(width = size, edgecolor ='w')) 
plt.show()

四、get_cmap函数

from matplotlib import cm
camp = cm.get_cmap('viridis', 8)
camp

from matplotlib import cm
cmap = cm.get_cmap('rainbow', 8)
cmap