本文目录一览：
如何画饼图
下面以excel2007为例说明1.画饼状图首先选中要画图的列的数据，然后选择插入-》饼状图即可。见图1和图2.图2显示的插入饼状图的效果。2.通过上面的步骤，我们已经可以看到一个简单的病状图已经成功插入了，但是要做到正确插入和美观还有许多工作要做。下面要给这个饼状图差一个图的标题，具体步骤见下图。图展示的添加的标题，标题添加后双击文字就可以输入文字进行修改了
搜索
免费自学excel教程全套
excel100个常用技巧
表格技巧大全
900套excel全套图表
数据分析全套图表
excel表格制作方法
在python中，给字典排序并画饼图
#coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
res= {
11:234,
44:565,
22:453,
33:767,
55:890,
66:67,
77:88
}
labels = []
fracs = []
for k,v in res.items():
labels.append(str(k))
fracs.append(v)
explode = [0, 0, 0, 0] # 0.1 凸出这部分，
plt.axes(aspect=1) # set this , Figure is round, otherwise it is an ellipse
# autopct ，show percet
plt.pie(x=fracs, labels=labels, explode=None, autopct='%3.1f %%',
shadow=True, labeldistance=1.1, startangle=90, pctdistance=0.6
)
'''
labeldistance，文本的位置离远点有多远，1.1指1.1倍半径的位置
autopct，圆里面的文本格式，%3.1f%%表示小数有三位，整数有一位的浮点数
shadow，饼是否有阴影
startangle，起始角度，0，表示从0开始逆时针转，为第一块。一般选择从90度开始比较好看
pctdistance，百分比的text离圆心的距离
patches, l_texts, p_texts，为了得到饼图的返回值，p_texts饼图内部文本的，l_texts饼图外label的文本
'''
plt.show()
如何使用Python绘制饼图
我们在运用Python制作各种图形的时候，经常需要绘制饼图。那么如何用Python绘制饼图呢？下面我给大家分享演示一下。
工具/材料
Pycharm
首先我们需要在Excel文件中准备好饼图的数据，如下图所示
接下来我们打开Pycharm，新建Python文件，导入Python的pandas库，利用pandas将Excel数据加载到缓存中，如下图所示
然后我们在导入pyplot库，运用pyplot库的pie进行饼图的绘制，如下图所示
接着运行程序以后我们就可以看到一张如下图所示的饼图了，但是四周的名称和Excel中的还是不太一样，接下来修改四周的名称
我们在运用pandas库加载Excel数据文件的时候加上index_col属性即可，如下图所示
这次在运行程序我们就可以看到饼图四周的名称和Excel中的一样了，如下图所示
接着我们在运用pyplot中的title和ylable设置饼图的标题和Y坐标轴的名称，如下图所示
最后运行文件就可以看到下面这个信息比较齐全的饼图了，如下图所示，到这里用Python绘制饼图就结束了
如何系统地学习Python 中 matplotlib，numpy，scipy，pandas
总结一下自己学习，接触了Numpy，Pandas，Matplotlib，Scipy，Scikit-learn，也算是入门，给出自己的轨迹（略去安装），并总结一下其他人的答案，最后有彩蛋。
Numpy：
来存储和处理大型矩阵，比Python自身的嵌套列表（nested list structure)结构要高效的多，本身是由C语言开发。这个是很基础的扩展，其余的扩展都是以此为基础。数据结构为ndarray,一般有三种方式来创建。
Python对象的转换
通过类似工厂函数numpy内置函数生成：np.arange,np.linspace.....
从硬盘读取，loadtxt
快速入门：Quickstart tutorial
Pandas:
基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。最具有统计意味的工具包，某些方面优于R软件。数据结构有一维的Series，二维的DataFrame(类似于Excel或者SQL中的表，如果深入学习，会发现Pandas和SQL相似的地方很多，例如merge函数)，三维的Panel（Pan（el) + da(ta) + s，知道名字的由来了吧）。学习Pandas你要掌握的是：
汇总和计算描述统计，处理缺失数据 ，层次化索引
清理、转换、合并、重塑、GroupBy技术
日期和时间数据类型及工具（日期处理方便地飞起）
快速入门：10 Minutes to pandas
Matplotlib:
Python中最著名的绘图系统，很多其他的绘图例如seaborn（针对pandas绘图而来）也是由其封装而成。创世人John Hunter于2012年离世。这个绘图系统操作起来很复杂，和R的ggplot,lattice绘图相比显得望而却步，这也是为什么我个人不丢弃R的原因，虽然调用
plt.style.use("ggplot")
绘制的图形可以大致按照ggplot的颜色显示，但是还是感觉很鸡肋。但是matplotlib的复杂给其带来了很强的定制性。其具有面向对象的方式及Pyplot的经典高层封装。
需要掌握的是：
散点图，折线图，条形图，直方图，饼状图，箱形图的绘制。
绘图的三大系统：pyplot，pylab(不推荐)，面向对象
坐标轴的调整，添加文字注释，区域填充，及特殊图形patches的使用
金融的同学注意的是：可以直接调用Yahoo财经数据绘图（真。。。）
Pyplot快速入门：Pyplot tutorial
Scipy：
方便、易于使用、专为科学和工程设计的Python工具包.它包括统计,优化,整合,线性代数模块,傅里叶变换,信号和图像处理,常微分方程求解器等等。
基本可以代替Matlab，但是使用的话和数据处理的关系不大，数学系，或者工程系相对用的多一些。（略）
近期发现有个statsmodel可以补充scipy.stats，时间序列支持完美
Scikit-learn：
关注机器学习的同学可以关注一下，很火的开源机器学习工具，这个方面很多例如去年年末Google开源的TensorFlow，或者Theano，caffe(贾扬清)，Keras等等，这是另外方面的问题。
主页：An introduction to machine learning with scikit-learn
图书：
Pandas的创始者：利用Python进行数据分析 (豆瓣)（力荐）
教材的集合：Scipy Lecture Notes（写的非常棒！遗憾缺少Pandas）
提升自己：机器学习实战 (豆瓣)
