有趣的圖形：用Python繪製帶餅圖的散點圖兼論marker的隱藏功能

01 帶餅圖的散點圖

有這樣一個例子：假設有五個人，每個人的月均收入水平為a=[1,3,2,4,3]，消費水平b=[2,1,3,3,5]，數據單位均有千元。同時五個人消費水平中，按照每月衣食住行的消費比例為：

s1=[0.1,0.2,0.3,0.4]

s2=[0.35,0.35,0.2,0.1]

s3=[0.2,0.25,0.25,0.3]

s4=[0.5,0.1,0.15,0.25]

s5=[0.0,0.25,0.4,0.35]

依據上述數據（數據純屬虛構），我可以將這些數據畫在一個圖形里，如圖：

（其中，藍色：衣；黃色：食；紅色：住；綠色：行）

這個圖形就是帶餅圖的散點圖，從圖中不僅可以看出五個人的消費與收入的關係趨勢，也可以看出每個人的衣食住行消費比例不同。

是不是很有趣的一個圖形？它是怎麼做出來的？

02 matplotlib中marker參數的一個隱藏功能

上圖是用python中matplotlib包繪製的，而繪製成帶餅圖的散點圖則是用了裡邊關鍵的marker參數，所以在介紹如何繪製此圖之前，先說說marker參數的一個隱藏功能。

一般的我們繪製散點圖基本的命令為：

import matplotlib.pyplot as pltnplt.scatter(x, y, s=20, c=None, marker=o)n

其中，s是點的大小，c是顏色，marker就是指定點標記的形狀，在這裡用的就是小圓點o；我們還可以用「*」、「x」、「Δ」等等，甚至還有數字、字母所代表的形狀。

事實上，不僅僅如此，在marker的help文檔中還指出了一個我們不經常用的標記方式，那就是元組——(numsides,

style, angle)，numsides是邊的個數，angle是旋轉角度，style只有0,1,2,3四個值，舉個例子。我設置marker=(9,0, 30)，就出來個九邊形的散點圖，如下：

這種定義方式大大拓展了散點形狀的自定義方式，本文所做的餅圖也源於此。

03 單個帶餅圖的散點圖繪製過程

但是，完全繪製成上述那個圖形也並非那麼容易，下面我們從一個帶餅圖的散點繪製講起。

比如上面的a=1，b=2那個點的消費比例為：s1=[0.1,0.2,0.3,0.4]，代碼如下：

x = [0] +np.cos(np.linspace(0, 2 * np.pi * 0.1, 5)).tolist()#[0]表示x的初始值ny = [0] +np.sin(np.linspace(0, 2 * np.pi * 0.1, 5)).tolist() #用tolist（）形成數列nxy1 = list(zip(x,y))nnx = [0] +np.cos(np.linspace(2 * np.pi * 0.1, 2 * np.pi * 0.3, 5)).tolist()ny = [0] +np.sin(np.linspace(2 * np.pi * 0.1, 2 * np.pi * 0.3, 5)).tolist()nxy2 = list(zip(x,y))nnx = [0] +np.cos(np.linspace(2 * np.pi * 0.3, 2 * np.pi* 0.6, 5)).tolist()ny = [0] +np.sin(np.linspace(2 * np.pi * 0.3, 2 * np.pi* 0.6, 5)).tolist()nxy3 = list(zip(x,y))nnx = [0] +np.cos(np.linspace(2 * np.pi * 0.6, 2 * np.pi*1, 5)).tolist()ny = [0] +np.sin(np.linspace(2 * np.pi * 0.6, 2 * np.pi*1, 5)).tolist()nxy4 = list(zip(x,y))nfig, ax =plt.subplots()nax.scatter(a[0],b[0], marker=(xy1),s=500,facecolor=blue)nax.scatter(a[0],b[0], marker=(xy2),s=500,facecolor=y)nax.scatter(a[0],b[0], marker=(xy3),s=500,facecolor=red)nax.scatter(a[0],b[0], marker=(xy4),s=500,facecolor=green) #為了餅圖看得清，散點的size要大一些nnplt.show()n

得到結果就是：

首先講講x、y變數的生成，其原理是先根據每個佔比數值所形成的角度（乘以2π，如2 * np.pi * 0.1），然後再用np.linspace函數五等分形成6個角度值，每個值賦予cos、sin函數，這是因為cos2θ+sin2θ=1，所有經過cos、sin函數的值會自動形成一個圓形。

值得注意的是，因為四個佔比要圍成一個圓形，所以除了第一個佔比外，後邊的都要用累計佔比，如第二個0.2的佔比np.linspace(2 * np.pi * 0.1, 2 * np.pi

如果還沒明白那就單獨把一個x、y生成的變數，單獨作圖可以看一下：

x = [0] +np.cos(np.linspace(0, 2 * np.pi * 0.1, 5)).tolist()ny = [0] +np.sin(np.linspace(0, 2 * np.pi * 0.1, 5)).tolist()nplt.plot(x,y,c=b)nplt.show()n

可以看出，第一個佔比x、y的軌跡就是一個弧形，然後再用初始值（0，0）牽引著，這樣再對這個軌跡進行填充時，就會形成一個扇形，如下：

plt.scatter(a[0],b[0], marker=(xy1),ns=500,facecolor=blue)nplt.show()n

這樣一個x、y所形成的marker=（xy1）標記，再用facecolor=blue填充就會形成一個扇形散點標記。最後用fig, ax =

04 所有點的餅圖-散點圖

上邊是一個點的餅圖-散點圖，若是將a=[1,3,2,4,3]，b=[2,1,3,3,5]，以及b的所有個體衣食住行的消費比例全放進去，那就需要用到while、for循環條件，代碼如下：

#5個消費水平下衣食住行的佔比ns1=[0.1,0.2,0.3,0.4]nns2=[0.35,0.35,0.2,0.1]ns3=[0.2,0.25,0.25,0.3]ns4=[0.5,0.1,0.15,0.25]ns5=[0.0,0.25,0.4,0.35]n#計算累計佔比nss1=[s1[0],sum(s1[0:2]),sum(s1[0:3]),sum(s1[0:4])]nss2=[s2[0],sum(s2[0:2]),sum(s2[0:3]),sum(s2[0:4])]nss3=[s3[0],sum(s3[0:2]),sum(s3[0:3]),sum(s3[0:4])]nss4=[s4[0],sum(s4[0:2]),sum(s4[0:3]),sum(s4[0:4])]nss5=[s5[0],sum(s5[0:2]),sum(s5[0:3]),sum(s5[0:4])]nns=[ss1,ss2,ss3,ss4,ss5]na=[1,3,2,4,3] #收入水平（千元）nb=[2,1,3,3,5] #消費水平（千元）nfig, ax =nplt.subplots(figsize=(10,6))ni=0nwhile i<len(b):n x = [0] + np.cos(np.linspace(0, 2 * np.pi *n s[i][0], 15)).tolist()n y =[0] + np.sin(np.linspace(0, 2 * np.pi * n s[i][0], 15)).tolist()n xy1 = list(zip(x, y))nn x = [0] + np.cos(np.linspace(2 * np.pi *n s[i][0], 2 * np.pi * s[i][1], 15)).tolist()n y = [0] + np.sin(np.linspace(2 * np.pi *n s[i][0], 2 * np.pi * s[i][1], 15)).tolist()n xy2 = list(zip(x, y))nn x = [0] + np.cos(np.linspace(2 * np.pi *s[i][1], n 2 * np.pi*s[i][2], 15)).tolist()n y = [0] + np.sin(np.linspace(2 * np.pi *s[i][1], n 2 * np.pi*s[i][2], 15)).tolist()n xy3 = list(zip(x, y))nn x = [0] + np.cos(np.linspace(2 * np.pi *s[i][2], n 2 * np.pi*1,15)).tolist()n y = [0] + np.sin(np.linspace(2 * np.pi *s[i][2], n 2 * np.pi*1, 15)).tolist()n xy4 = list(zip(x, y))nnxy=[xy1,xy2,xy3,xy4]nc=[b,y,r,g]nfor j in range(4):n ax.scatter(a[i], b[i], marker=(xy[j]),n s=800,facecolor=c[j])nni=i+1nnplt.show()n

最終得到本文前邊那個圖形。

另外還需說明一下，這個圖形只適用於小樣本數據，也就是圖形三點的個數不能太多，每個點中比例數量也不能太多，否則影響展示效果。

寫作不易，特別是技術類的寫作，請大家多多支持，關注、點贊、轉發等等，也歡迎大家關注知乎爬蟲與數據分析專欄：https://zhuanlan.zhihu.com/zjying2000。