【问题标题】:how to create a pie chart from csv file using python如何使用python从csv文件创建饼图
【发布时间】:2019-05-24 14:23:15
【问题描述】:

我有this CSV data file,我正在尝试使用这些数据制作饼图

我是python初学者,不明白如何使用三列创建饼图,请帮助!

工作解决方案代码会更有帮助!

我的代码:

import pandas as pd
import matplotlib.pyplot as plt 

df = pd.read_csv ('chart_work.csv')

product_data = df["Product Name;"]   
bug_data = df["Number Of Bugs"]                      
colors = ["#1f77b4", "#ff7f0e", "#2ca02c", "#d62728", "#8c564b"]    

plt.pie(bug_data , labels=product_data , colors=colors,
autopct='%1.1f%%', shadow=True, startangle=140)

plt.show()

这段代码输出的饼图变形了,有帮助吗?

我得到的图表:

【问题讨论】:

    标签: python pandas matplotlib plot pie-chart


    【解决方案1】:

    这很简单。

    import pandas as pd
    from matplotlib.pyplot import pie, axis, show
    %matplotlib inline
    
    df = pd.read_csv ('chart_work.csv')
    
    sums = df.groupby(df["Product Name;"])["Number Of Bugs"].sum()
    axis('equal');
    pie(sums, labels=sums.index);
    show()
    

    【讨论】:

      【解决方案2】:

      饼图并不“知道”您希望在图表中对具有相同产品名称的所有项目进行分组和汇总。所以你必须先这样做:

      df = df.groupby(["Product Name;"]).sum()
      

      这会将产品名称列设置为 df 的索引,因此将您的 product_data 列选择更改为:

      product_data = df.index   
      

      【讨论】:

      • 在哪里包含这段代码?请帮我详细解释或工作代码。
      • 在我看来,你仍然没有真正理解 1) 你的代码做了什么 2) 为什么它没有给出想要的结果 3) 我的解决方案做了什么来改变结果。如果您对 a) - c) 的理解有任何疑问,我很乐意回答。但我不会只是发布你可以在不理解的情况下复制和粘贴的工作解决方案。
      • 是的,我现在正在学习 python,但我的任务是在明天之前完成,所以用谷歌搜索并能够生成一个饼图,这就是结果,我很高兴学习,但我不知道这段代码在哪里,我应该在学习了 python 基础知识后进入这个任务吗?给我建议,我需要它,完全不知道该怎么做!
      • 答案的第一行就在加载 csv 文件之后(第 4 行)。第二个替换 'product_data = df["Product Name;"]'。 ashok 的回答基本上是一样的。只需看看类似的“groupby”语句。如果您使用的是 jupyter 笔记本(或任何其他环境),我将逐行输入每一行并查看生成的数据框如何变化等等。
      【解决方案3】:
      import matplotlib.pyplot as plt
      sizes=[89,80,90,100,75]
      lables=["swetha","yokesh","iswarya","ranjeeth","deepika"]
      plt.pie(sizes,lables=lables,autopct="%.2f")
      plt.axes().set_aspect("equal")
      plt.show()
      

      【讨论】:

        猜你喜欢
        • 1970-01-01
        • 2020-12-26
        • 1970-01-01
        • 1970-01-01
        • 2019-01-16
        • 2011-05-06
        • 2018-07-09
        • 2021-06-29
        • 2021-07-12
        相关资源
        最近更新 更多