技术标签: python计算圆环的面积
用pyecharts绘制出来的面积图、圆环图太有个性了,未免感觉有点“高处不胜寒”。今晚虽然休息,但继用matplotlib绘制折线图之后,我又心血来潮地想用matplotlib来制作一点面积图,因为这在零售行业也是常用的可视化图形之一。具体如下:
绘制常规面积图(饼图):
# 导入库
import matplotlib.pyplot as plt
import numpy as np
# 在线显示
%matplotlib inline
# 让中文标签正常显示
plt.rcParams["font.sans-serif"] = ["SimHei"]
# 让负号正常显示
plt.rcParams["axes.unicode_minus"] = False
# 调整画布的大小
fig = plt.figure(figsize = (10,10))
# 准备待传入的参数
# 数值
data=[100,125,135,145,150]
# 各扇区的我颜色
colors = ["DarkMagenta", "Teal", "pink", "SlateGray", "Tomato"]
# 对应的标签
labels = ["蔬菜", "水果", "水产", "猪肉", "综合"]
# 直接绘制出一个简单而又原始的饼图
# plt.pie(data, labels = labels)
# 调整各扇区的颜色
# plt.pie(data, labels = labels, colors = colors)
# autopct 让百分比正常显示
# plt.pie(data, colors = colors, labels = labels,autopct = " %1.1f%% ")
# labeldistance 调节各扇区标签距离圆心的距离
# plt.pie(data, colors = colors, labels = labels,autopct = " %1.1f%% ",labeldistance = 0.4)
# radius 调整扇形的大小
# plt.pie(data, colors = colors, labels = labels,autopct = " %1.1f%% ",labeldistance = 0.4, radius = 1)
# counterclock 调整指针方向,True是逆时针,False是顺时针
# plt.pie(data, colors = colors, labels = labels,autopct = " %1.1f%% ",labeldistance = 0.4, radius = 1,counterclock = False)
# center 调整图表中心位置
plt.pie(data, colors = colors, labels = labels,autopct = " %1.1f%% ",labeldistance = 0.4, radius = 1,counterclock = False,center = (0.5, 0.5))
# 保存输出饼图
plt.savefig(r"C:\Users\QDM\Desktop\饼图.png")
可视化结果:
绘制圆环图:
# 导入库
import matplotlib.pyplot as plt
import numpy as np
# 在线显示
%matplotlib inline
# 让中文标签正常显示
plt.rcParams["font.sans-serif"] = ["SimHei"]
# 让负号正常显示
plt.rcParams["axes.unicode_minus"] = False
# 调整画布的大小
fig = plt.figure(figsize = (10,6))
# 模拟数据
x=[16,41,60]
# 绘制一个我们自己所需要呈现的面积图
# plt.pie(x, labels=["上午销售占比", "下午销售占比", "晚上销售占比"])
# 自定义各段区间的颜色
# plt.pie(x, labels=["上午销售占比", "下午销售占比", "晚上销售占比"],colors = ["m","Crimson","blue"])
# 显示百分比
# plt.pie(x, labels=["上午销售占比", "下午销售占比", "晚上销售占比"],colors = ["m","Crimson","blue"],autopct = " %1.1f%% ")
# 调整百分比所显示的位置
plt.pie(x, labels=["上午销售占比", "下午销售占比", "晚上销售占比"],colors = ["m","Crimson","SteelBlue"],autopct = " %1.1f%% ",pctdistance = 0.8)
# plt.pie(x, labels=["上午销售占比", "下午销售占比", "晚上销售占比"],colors = ["m","#f00056","Orchid"],autopct = " %1.1f%% ",pctdistance = 0.8,labeldistance = 1)
# 在第一个饼图的基础上再画一个颜色为白色,半径较小的饼图进行覆盖,就可以画出圆环图
plt.pie([1],colors = "w",radius = 0.6)
plt.axis("equal")
plt.legend()
# 保存输出环形图
plt.savefig(r"C:\Users\QDM\Desktop\环形图.png")
可视化结果:
绘制另类的混合图形:
# 导入库
import matplotlib.pyplot as plt
import numpy as np
# 在线显示
%matplotlib inline
# 让中文标签正常显示
plt.rcParams["font.sans-serif"] = ["SimHei"]
# 让负号正常显示
plt.rcParams["axes.unicode_minus"] = False
# 调整画布的大小
fig = plt.figure(figsize = (10,6))
# 构造数据
a = [0.4, 0.15, 0.2, 0.1, 0.15]
b = [0.3, 0.25, 0.16, 0.14, 0.15]
label=["苹果", "雪梨", "西瓜", "菠萝", "香瓜"]
# 绘制外圆
plt.pie(a,autopct = " %1.1f%% ", pctdistance = 0.85,labels = label)
# 绘制内圆
plt.pie(b,radius = 0.7, autopct = " %1.1f%% ",pctdistance = 0.78,)
plt.axis("equal")
# 保存输出混合面积图
plt.savefig(r"C:\Users\QDM\Desktop\混合面积图.png")
可视化结果:
小结:虽然不完美,但是归纳知识的过程很是愉悦!
文章浏览阅读364次。Tomcat6.0虚拟目录配置[转] 设虚拟目录 "site",通过 http://localhost:8080/site 访问物理路径 D:"site 文件夹里面的内容。设置过程如下: 1.复制 Tomcat6.0"webapps"ROOT 目录下的 WEB-INF 文件夹到 D:"site 目录下。 2.打开 D:"site"WEB-INF 目录下的 web.xml 文件,在 之_当url中未明确指定文件名时,是否列出相关目录下所有文件的开关设置
文章浏览阅读283次。前言日期:2021/05/27心情:????????????Description:JAVA构建网站架构的演进,以下内容均为java学习笔记。注:本文主要内容是图片资料来源于尚硅谷(宋永康老师)尚硅谷b站视频:https://www.bilibili.com/video/BV1Bv411Y7sQ?p=12互联网架构演进前言1. 单机集中构建网站2. 应用服务器配置集群2.1 nginx+应用服务器配置集群2.2 nginx+应用服务器配置集群+HA3. 负载均衡服务器配置集群4. CDN+Va_尚硅谷宋永康
文章浏览阅读996次。端口分为物理端口和逻辑端口两种,物理端口又叫可见端口,都是实物比如ADSL Modem、集线器、交换机、路由器用于连接其他网络设备的接口,如RJ-45端口、SC端口等等。逻辑端口,一般是指TCP/IP协议中的端口,端口号的范围从0到65535,比如用于浏览网页服务的80端口,用于FTP服务的21端口等等。逻辑端口又分为公认端口(0-1023),注册端口(1024-49151)和私有端口(49152-65535)。根据提供服务类型的不同,端口分为两种,一种是TCP端口,一种是UDP端口。计算机_物理网口
文章浏览阅读1.2k次。2步搞定Linux搭建nginx图片服务器_nginxlixianditufuwuqi
文章浏览阅读714次。练习一:_public class turnstring { public static void main(string args[]) { string s=”testonly”; for(int i=s.length()-1;i>=0;i--) system.out.print(s.charat(i)); system.out.println(); } } 收藏
文章浏览阅读971次,点赞4次,收藏2次。如果你之前看过其他教程,但是发现云里雾里复杂的让你头晕眼花的话,没错,看这里,本系列Python教程专为啥都不会的新手用户打造,放宽心,大胆看,我就是说说书,你就当听听故事,轻松愉快走进编程的大门,“程序设计”不再神秘也不再遥不可及。只要你会最基本的电脑操作(装装软件打打字),读过那么几天书,汉字都认识,英文会那么一点点就够了,包学包会!Let’s go!【本节目录】1. “数据类型..._零基础python 编程之光
文章浏览阅读3.7k次,点赞4次,收藏50次。K210的其他参数如下:双核 64-bit RISC-V RV64IMAFDC (RV64GC) CPU / 400MHz(可超频到600MHz)双精度 FPU8MiB 64bit 片上 SRAM(6MiB通用SRAM+2MiB的AI专用SRAM)神经网络处理器(KPU) / 0.8TFLOPS音频处理器(APU)可编程 IO 阵列 (FPIOA)双硬件512点16位复数FFTSPI, I2C, UART, I2S, RTC, PWM, 定时器支持AES, SHA256 加速器直接内._嵌入式 模型训练
文章浏览阅读258次。大家好!端午节马上就要快到了,为了感谢大家一直以来的陪伴和支持,我和其他几个数据领域的大咖联合清华大学出版社来给大家送福利啦!!话不多说,我们进入正题:怎么送书和送什么书。1.怎么送书本次送书由10 个大佬一起给大家送上 30 本技术书籍,包邮噢!送书规则如下1. 在 10个公众号的后台分别回复【531】二字,即可出来抽奖小程序。十个公众号,同时参与,中奖概率增大 9..._怎样在后台发送531
文章浏览阅读1.1w次。将一个excel表格的数据匹配到另一个表中第一步:我们打开一个excel表,需要在另一个表中匹配出相应学校的信息。第二步:我们把光标定位在需要展示数据的单元格中,在单元格中输入“=vl”,然后会自动提示出VLOOKUP函数,双击蓝色的函数部分。我们可以看到,单元格中显示出完整的VLOOKUP(参数1,参数2,参数3,参数4)函数。里面的参数按照自己的需求来。比如,按照我的需求:参数1:查询A4单元格内的学校的信息,所以参数1是A4;参数2:需要从‘预处理后学校信息-副表.xlsx’表中查找信息_将一个表中的数据对应到另一个表中的名字
文章浏览阅读1.9k次,点赞32次,收藏26次。本篇将介绍SARADC的源码分析和工作流程。_rockcip saradc
文章浏览阅读1.6w次,点赞68次,收藏440次。转载声明本文大量内容系转载自以下文章,有删改,并参考其他文档资料加入了一些内容:数据仓库和数据集市的区别作者:修鹏李出处:CSDN大数据:数据仓库和数据库的区别作者:南宫蓉出处:简书第一篇:数据仓库概述第二篇:数据库关系建模作者:穆晨出处:CNBLOS摘要本文简要介绍数据库 数据仓库和数据集市概念,并做简要对比。0x01 数据仓库和数据库1.1 数..._数据库基座和中间库关系
文章浏览阅读1.2k次,点赞20次,收藏23次。通过对土地资源的数量与质量、结构与分布以及土地利用现状与开发潜力等方面的分析,明确规划区域内土地资源的整体优势与劣势、制约优势土地资源开发利用的主要因素,揭示土地利用中存在的问题,从而明确土地资源开发利用的方向和重点,提出改善土地利用、提高土地利用率和生产力的对策和途径,既可以发挥区域资源优势、强化区域土地系统功能,又强调人地协调发展的土地利用规划,为制定土地利用规划提供重要的科学依据。本研究以研究区的地形图作为参考图像,必要时辅以实地考察的GPS点,采用多项式几何纠正计算模型,对遥感影像进行几何精校正。