本课将继续学习其他类型的统计图，有了上一课的基础，学习下面的内容就比较容易了。不同类型的统计图，只是生成 Trace 对象的类的名称变化一下，其参数的调用方式大同小异。因此，当本课介绍几种统计图时，可能就不如以往那么细致，如果读者想要详细了解某些细节，就需要亲自阅读文档——这种方法是必须要掌握的。

4.3.1 饼图

继续使用上一课的数据集。

import pandas as pd
import plotly as py
import plotly.graph_objs as go
py.offline.init_notebook_mode(connected=True)
df = pd.read_csv("/Users/qiwsir/Documents/Codes/DataSet/universityrank/timesData.csv")

用饼图统计入榜的中国大学 Top5。

dfcn = df[df['country']=='China']
dfcn5 = dfcn.iloc[:5, :]
dfcn5

我们计划统计各个学校在校生相对比例，但是，会发现“num_students”特征中的数据是字符串，不是数字。因此，需要对其进行转换。

dfcn5['num_students']=dfcn5['num_students'].apply(lambda value: float(value.replace(",", "")))
dfcn5['num_students']

# out
36     40148.0
49     14290.0
57     39763.0
119    29743.0
170    51351.0
Name: num_students, dtype: float64

之后创建 go.Pie 的 Trace 实例对象，并绘制饼图。

trace = go.Pie(values = dfcn5['num_students'],
               labels = dfcn5['university_name'],
               domain = {'x':[0, .5]},
               name = 'Number of Students Rates',
               hoverinfo = 'label + percent + name',
               hole = .3,
              )
layout = go.Layout(title = "Universities Number of Students Rates",
                   annotations = [
                       {'font':{'size':20},
                        'showarrow':False,
                        "text": "Number of Students",
                        'x':0.20,
                        'y':1
                       },
                   ]
                  )
figure = go.Figure(data=[trace], layout=layout)
py.offline.iplot(figure)

输出结果：

enter image description here

go.Pie 也是有很多参数的，这里仅对上面用到的几个参数简要说明一下，其他的参数，可以参阅官方网站的说明。

• values：用于绘制饼图的数据。
• labels：与上述数据项对应的标示。
• domain：从单词含义上看，它的意思是“领域”；其实，是当前的饼图所占据的“领域”。通常可以为 {'x': [0,1], 'y': [0, 1]}，表示当前图示分别在横、纵两个方向上相对图示默认坐标的范围分布，例如本例中以 domain = {'x':[0, .5]} 表示当前图示（即 Trace 对象）在图示坐标横轴上的范围是：从 0 开始，到最大刻度的 50% 止。
• name：当前 Trace 对象（图示）的名称。
• hoverinfo：当鼠标移动到每个扇区的时候，会显示相应的说明文字，就是这个参数确定的。
• hole：如果仔细观察上图，其实它不是真正意义的饼图，严谨地说，这张图应该名曰“环形图”，因为中间有一个洞（hole），这个洞就让“饼”变成“环”了。参数 hole 就是控制这个洞大小的，其值为浮点数，表示洞的半径相对饼半径的大小。如果将 hole 参数去掉，或者 hole=0，那么得到的才是真正意义的“饼图”，如下图所示。

enter image description here

本来，如果创建了 go.Pie 的 Trace 对象，然后就执行语句 py.offline.iplot([trace])，就能够得到饼图（环形图）了。但是，有时候我们还需要对输出的结果在布局上进行设置，因此常常再使用 go.Layout 创建一个专门的实例对象。并且在上面的示例中，使用了 go.Layout 类中的参数 annotations，代表了标注图示文本的有关属性。

colors = ['#FEBFB3', '#E1396C', '#96D38C', '#D0F9B1', '##CD5C5C']
trace = go.Pie(values = dfcn5['num_students'],
               labels = dfcn5['university_name'],
               rotation = 45,
               opacity = 0.5,
               showlegend = False,
               pull = [0.1, 0, 0, 0, 0],
               hoverinfo = 'label + percent',
               textinfo = 'value',
               textfont = dict(size=20, color='white'),
               marker = dict(colors = colors,
                             line = dict(color="#333333", width=2)
                            )
              )
py.offline.iplot([trace])

输出结果：

image

这次得到的饼图跟前面的稍有不同，其变化之因皆由 go.Pie 中引入的几个新参数而来。

• rotation：默认状态，饼图的开始是从 12 点钟位置，通过此函数，将饼图进行旋转。
• opacity：设置显示图的透明度。
• showlegend：控制是否显示图例。
• pull：以列表形式显示每个扇形区是否突出出来，列表中的“0.1”表示第一个扇区突出，并用数值表示分离的相对距离（相对半径长度）。
• textinfo：设置每个扇区上显示数值（'value'）还是百分比（'percent'）。
• marker：设置每个扇形的属性，比如颜色、线条的颜色和宽度等。

在同一个 Data 中，也可以集成多个 go.Pie 的 Trace 对象，并且通过对布局的设置，能够满足更多的显示需要。下面的示例是对前述所学内容的综合展示，请认真品读。

# 获取数据集中美国的 TOP 5 学校
dfusa = df[df['country']=='United States of America']
dfusa5 = dfusa.iloc[:5, :]
dfusa5['num_students'] = dfusa5['num_students'].apply(lambda value: float(value.replace(",", "")))    # 将字符串转化为浮点数

trace0 = go.Pie(values = dfcn5['num_students'],
                labels = dfcn5['university_name'],
                domain = dict(x=[0, .45]),
                name = 'China Top5',
                showlegend = False,
                hoverinfo = 'label + percent + name',
                textinfo = 'percent',
                hole = 0.4
              )
trace1 = go.Pie(values = dfusa5['num_students'],
                labels = dfusa5['university_name'],
                domain = dict(x=[0.55, 1]),
                name = 'USA Top5',
                showlegend = False,
                hoverinfo = 'label + percent + name',
                textinfo = 'percent',
                hole = 0.4
              )

data = go.Data([trace0, trace1])

layout = go.Layout(title="TOP5 of China and USA",
                   annotations = [dict(font={"size":20}, # 文字大小
                                      showarrow=False,
                                      text='China',    # 显示在环形图中央的文本
                                      x=0.18,          # 文本的显示位置
                                      y=0.5,
                                     ),
                                  dict(font={'size':20},
                                       showarrow=False,
                                       text='USA',
                                       x=0.81,
                                       y=0.5
                                      )]
                  )
figure = go.Figure(data=data, layout=layout)
py.offline.iplot(figure)

输出结果：