Day 23: 餅圖 (Pie Chart) 的應用與實作

餅圖（Pie Chart）是一種常用來展示不同類別之間比例分佈的視覺化工具。它能夠以直觀的方式顯示各類別占總體的比例，因此在分析各類別的相對大小時非常有用。今天，我們將講解餅圖的應用情境，並通過 Matplotlib 來繪製餅圖，展示分類的比例分佈。
前幾天有一個叫做plot的檔案，用那一份，然後之前的程式全部都先執行一遍

1. 餅圖的應用情境

餅圖適合用來展示以下情境的資料：

• 比例分析：顯示各類別在總體中的占比，例如市場中各品牌的占有率。
• 構成分析：展示某個整體是由哪些部分構成的，例如不同部門在公司總收入中的貢獻。
• 簡單比較：用來展示類別之間的比例關係，適合少量類別的簡單比較。

2. 使用 Matplotlib 繪製簡單餅圖

首先，我們使用 Matplotlib 繪製一個簡單的餅圖，來顯示不同花卉種類在資料集中的比例。

# 計算每個花卉種類的數量
species_counts = iris_df['target'].value_counts()

# 繪製餅圖
plt.pie(species_counts, labels=['Setosa', 'Versicolor', 'Virginica'], autopct='%1.1f%%', startangle=140)
plt.title('Proportion of Different Iris Flower Species in the Dataset')
plt.show()

這段程式碼會繪製一個餅圖，顯示 Iris 資料集中三種花卉的比例，並在每個扇形上顯示百分比。

3. 調整餅圖的外觀

我們可以通過調整餅圖的顏色、分離效果、陰影等屬性來改進餅圖的外觀，使其更加美觀和易於理解。

3.1 添加顏色和分離效果

# 設置顏色與分離效果
colors = ['#ff9999','#66b3ff','#99ff99']
explode = (0.1, 0, 0)  # 將第一塊分離出來

# 繪製改進外觀的餅圖
plt.pie(species_counts, labels=['Setosa', 'Versicolor', 'Virginica'], autopct='%1.1f%%', colors=colors, explode=explode, shadow=True, startangle=140)
plt.title('Proportion of Different Iris Flower Species in the Dataset (Improved)')
plt.show()

這段程式碼設定了 colors 參數來更改餅圖的顏色，使用 explode 參數將第一個扇形（Setosa）分離出來，並添加了陰影效果（shadow=True）。

3.2 添加圖例與標籤

我們可以在餅圖中添加圖例和標籤，來更好地描述每個類別的含義。

# 繪製餅圖並添加圖例
plt.pie(species_counts, labels=['Setosa', 'Versicolor', 'Virginica'], autopct='%1.1f%%', colors=colors, explode=explode, shadow=True, startangle=140)
plt.title('Proportion of Different Iris Flower Species in the Dataset')
plt.legend(title="Flower Species", loc="best")
plt.show()

這段程式碼使用 legend() 函數在餅圖中添加了圖例，顯示每個類別的名稱。

4. 繪製子餅圖（嵌套餅圖）

有時候我們希望展示多層級的比例資料，可以使用嵌套餅圖（Sub-pie Chart）來表示不同層級之間的關係。

# 子餅圖的數據
group_counts = [50, 50, 50]  # 外圓各類別的樣本數
subgroup_counts = [20, 30, 15, 35, 10, 40]  # 內圓子類別的樣本數

# 設置顏色
colors = ['#ff9999','#66b3ff','#99ff99','#ffcc99','#c2c2f0','#ffb3e6']

# 外圓餅圖
plt.pie(group_counts, radius=1.2, labels=['Group 1', 'Group 2', 'Group 3'], colors=colors[:3], wedgeprops=dict(width=0.3, edgecolor='w'))

# 內圓餅圖
plt.pie(subgroup_counts, radius=1, labels=['A', 'B', 'C', 'D', 'E', 'F'], labeldistance=0.7, colors=colors, wedgeprops=dict(width=0.4, edgecolor='w'))

plt.title('Nested Pie Chart Example')
plt.show()

這段程式碼會繪製一個嵌套餅圖，展示不同類別及其子類別的比例分佈。

5. 以 DataFrame 為基礎繪製餅圖

我們可以直接使用 Pandas 的 plot() 函數來繪製餅圖，方便地展示 DataFrame 中的資料比例。

# 直接使用 DataFrame 繪製餅圖
species_counts_df = species_counts.reset_index()
species_counts_df.columns = ['target', 'count']
species_counts_df.set_index('target', inplace=True)
species_counts_df.plot(kind='pie', y='count', autopct='%1.1f%%', colors=colors, legend=False, title='Proportion of Different Iris Flower Species in the Dataset')
plt.ylabel('')
plt.show()

這段程式碼會將 DataFrame 中的資料轉換為餅圖，展示每個花卉種類在資料集中的比例。

6. 小結

今天我們學習了如何使用 Matplotlib 繪製餅圖，包括：

1. 簡單的餅圖，用來展示不同類別的比例分佈。
2. 添加顏色、分離效果與陰影，使餅圖更加美觀。
3. 繪製子餅圖（嵌套餅圖），用來展示多層級的資料比例。
4. 使用 Pandas 直接繪製餅圖，簡化操作。

餅圖能夠幫助我們直觀地展示資料的比例分佈，適合用於少量類別的比例比較。接下來，我們將學習如何使用箱型圖來展示資料的分佈情況和檢測異常值。