上一篇的柱状图比”多少”，今天换一种比”份额”的图——饼图。只引入一个新概念：占比展示：一个整体切成几块，谁占大头、谁是零头，”地盘”怎么分一眼看清。标签、百分比、分离扇形、甜甜圈一篇配齐，”几块才配用饼图”的三大纪律提前打疫苗。从此图表三兄弟到齐：折线管趋势、柱状管较量、饼图管份额。

一、真实场景：家庭会议的第二个问题

接着上一篇的家庭会议。柱状图把”买菜1860、下馆子920、零食水果610、交通430、水电燃气380″拍在了桌上，全家都服气：买菜是冠军。但下一个问题马上就来——”买菜占了咱家开销的多大一块？要是砍掉一半下馆子，能省出多少地盘？”

注意这个问题的问法变了：不再是”谁多谁少”（柱状图的活），而是“每一块占整体的多大份额”。全家总支出4200元是一个完整的”饼”，五个类别是切出来的五块：买菜44%、下馆子22%、零食水果14%、交通10%、水电燃气9%（凑一凑正好100%）。

这就是占比展示：把”部分与整体的关系”转成扇形的角度——一块饼转一圈是360度，也就是100%，谁的份额大，谁的”地盘”就大。什么时候用它？当你想回答的是“钱都花哪儿去了””时间都去哪儿了””用户都从哪儿来”这类”一个整体怎么分成几份”的问题，饼图就是默认答案。

今天只学这一个新概念，但纪律比前两篇都严——饼图是三兄弟里最容易被滥用、也最容易画成骗局的一个。学完这篇，”份额类”的数据归你管，”什么时候不许用饼图”你也门儿清。

二、饼图的”世界观”：它只讲”一个整体的分法”

先立规矩：饼图适合”部分占整体的份额”。判断口诀接着前两篇往下记：

• 横轴说不了”之前之后”、能点名”谁跟谁”→ 柱状图（较量）；
• 数据随时间变化 → 折线图（趋势）；
• 各部分互斥、加起来正好等于一个整体 → 饼图（份额）。

第三条的两个条件缺一不可：”互斥”是说每块钱只归一块管（买菜的钱不能再算进下馆子），”等于整体”是说切完的饼不能缺角也不能多出一块。有一项不满足（比如”多选题投票”，一个人可以选好几项），饼图当场出局——这是坑点疫苗3的伏笔。

一场”分地盘”的故事是三个要素，画图就是把它们画醒目：

1. 谁占大头：份额最大的是哪块？——最大的那块”扇形”；
2. 占多少：大头是”半壁江山”还是”略微领先”？——百分比数字；
3. 零头有几块：剩下的是三五块还是十几块？——扇形的数量和碎块。

所以”好的饼图”也不是画得漂亮，而是观众三秒钟能答出这三个问题。带着这个目标动手——每一步都在为三个要素服务。

三、动手：把地盘分给你看

第 1 步：第一张饼图 —— 谁占大头

# pie_basic.py — 第一张饼图：家庭月度支出占比
import matplotlib.pyplot as plt

# —— 中文字体（第61篇的坑点疫苗，直接复用）——
plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["买菜", "下馆子", "零食水果", "交通", "水电燃气"]
amounts = [1860, 920, 610, 430, 380]

plt.pie(amounts, labels=categories)
plt.title("11月家庭支出占比")
plt.savefig("spending_pie.png", dpi=150, bbox_inches="tight")
plt.show()

plt.pie(数值, labels=类别) 就是饼图的全部骨架——matplotlib 会自动把数值换算成角度（4200元转一圈360度，1860元就是1860/4200×360≈159度）。但素饼信息量太少，”占多少”还得读者自己估。手艺人从第二步开始往里加料：

• 饼图没有 x/y 轴——它不需要坐标轴，plt.grid 在这儿也无用武之地（网格线是给”对着轴读数”的图准备的）；
• 数据必须都是正数：负数或零没法切”地盘”，matplotlib 会直接报错或画出怪东西；
• 数值自动归一化：你喂金额、喂数量都行，matplotlib 只关心”各块的相对大小”，最后拼成一个整圆。

第 2 步：标签和百分比 —— 让每块自己报家门

# pie_labels.py — 带百分比标签的饼图
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["买菜", "下馆子", "零食水果", "交通", "水电燃气"]
amounts = [1860, 920, 610, 430, 380]
colors = ["#d9534f", "#f0ad4e", "#5bc0de", "#5cb85c", "#999999"]

wedges, texts, autotexts = plt.pie(
    amounts,
    labels=categories,
    colors=colors,
    autopct="%1.1f%%",      # 每块自动标百分比，保留1位小数
    pctdistance=0.75,       # 百分比放在扇形内部、离圆心75%半径处
    labeldistance=1.08,     # 类别名放在圆外8%处
    startangle=90,          # 从12点钟方向开始切
    counterclock=False      # 顺时针切
)

# 百分比文字加粗、白色，在彩色扇形上更醒目
for t in autotexts:
    t.set_fontsize(11)
    t.set_fontweight("bold")
    t.set_color("white")

plt.title("11月家庭支出占比")
plt.savefig("spending_pie_labels.png", dpi=150, bbox_inches="tight")
plt.show()

这一段的手艺全在参数上，逐个拆：

• autopct="%1.1f%%"：自动百分比的格式串。%1.1f 是”保留1位小数的浮点数”，后面的 %% 是转义出来的百分号。想取整就写 "%1.0f%%"；
• pctdistance / labeldistance：百分比在内、类别名在外，各占一圈，互不打架。类别名永远建议放圆外（>1.0），圆内放不下长名字；
• startangle=90 + counterclock=False：从12点方向顺时针切。这是约定俗成的读图习惯——最大块从12点起步，读者从”正上方”开始顺时针读份额；
• wedges, texts, autotexts 三兄弟：plt.pie 返回三个列表——扇形对象、类别文字、百分比文字。拿到它们就能逐个微调（字号、颜色、加粗），这是”跟AI说需求”时它最常动的地方。

百分比四舍五入后加起来可能是 99.9% 或 100.1%，这是正常的（各块自己四舍五入的误差），但对外的正式材料里要心里有数——坑点疫苗4细说。

第 3 步：分离扇形 + 甜甜圈 —— 强调和颜值

想让”买菜”这块单独站出来强调，或者把饼画得时髦一点，两招搞定：

# pie_explode_donut.py — 分离扇形 + 甜甜圈
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

categories = ["买菜", "下馆子", "零食水果", "交通", "水电燃气"]
amounts = [1860, 920, 610, 430, 380]
colors = ["#d9534f", "#f0ad4e", "#5bc0de", "#5cb85c", "#999999"]

# 分离量：每块往外挪多少（0=不挪），只把冠军"买菜"拽出来
explode = [0.06, 0, 0, 0, 0]

wedges, texts, autotexts = plt.pie(
    amounts,
    labels=categories,
    colors=colors,
    explode=explode,
    autopct="%1.1f%%",
    pctdistance=0.78,
    startangle=90,
    counterclock=False,
    wedgeprops={"width": 0.42, "edgecolor": "white", "linewidth": 2}  # 变甜甜圈
)

# 甜甜圈中间的"结论字"
total = sum(amounts)
plt.text(0, 0, f"总支出n{total} 元", ha="center", va="center",
         fontsize=14, fontweight="bold")

plt.title("11月家庭支出占比（冠军：买菜）")
plt.savefig("spending_donut.png", dpi=150, bbox_inches="tight")
plt.show()

两处新面孔：

• explode=[0.06, 0, 0, 0, 0]：分离扇形。列表和数据一一对应，数值是”往外挪的半径比例”。只分离1~2块，全炸开就成了碎盘子（坑点疫苗2的邻居）；
• wedgeprops={"width": 0.42, ...}：width 是扇形的”环宽”，小于 1 就从实心饼变成甜甜圈。中间空出来的圆心正好写结论（总额、核心数字）——这是甜甜圈比实心饼多出来的地盘，别浪费。

白色 edgecolor 给每块扇形描个白边，块与块的边界立刻清爽——这是免费的可读性提升。

第 4 步：小类合并”其他” —— 饼图的自我修养

真实数据很少只有5块。类别一多（10块、15块），饼图就碎成调色板事故。标准解法是把小份额合并成”其他”：

# pie_others.py — 小类合并"其他"
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = ["Noto Sans CJK SC", "SimHei", "WenQuanYi Zen Hei"]
plt.rcParams["axes.unicode_minus"] = False

# 11月的完整账目：8个类别
detail = {
    "买菜": 1860, "下馆子": 920, "零食水果": 610, "交通": 430,
    "水电燃气": 380, "话费网费": 180, "日用品": 150, "其他零碎": 90,
}

# —— 份额不足5%的小类合并进"其他" ——
total = sum(detail.values())
big = {k: v for k, v in detail.items() if v / total >= 0.05}
small = {k: v for k, v in detail.items() if v / total < 0.05}
big["其他"] = sum(small.values())

labels = list(big.keys())
sizes = list(big.values())
colors = ["#d9534f", "#f0ad4e", "#5bc0de", "#5cb85c", "#999999", "#c9c9c9"]

wedges, texts, autotexts = plt.pie(
    sizes, labels=labels, colors=colors,
    autopct="%1.1f%%", startangle=90, counterclock=False,
    wedgeprops={"width": 0.42, "edgecolor": "white", "linewidth": 2}
)
for t in autotexts:
    t.set_fontweight("bold")
    t.set_color("white")

plt.title("11月家庭支出占比（其他 = 话费网费+日用品+其他零碎）")
plt.savefig("spending_pie_others.png", dpi=150, bbox_inches="tight")
plt.show()

两个要点，一个都不能省：

1. “其他”的成分必须写明。标题或图注里注明”‘其他’包含话费网费、日用品、其他零碎”——把小类藏进黑箱是数据欺骗，不是简化；
2. “其他”本身也不能太大。如果合并完”其他”变成了第二大块，说明这个数据压根不该用饼图（碎块太多），该换横向条形图——每类一根，谁也不用合并。这就是”饼图的平替”：份额想逐项比大小，条形图永远比饼图准（人眼比长度比比角度准得多，第63篇讲过）。

四、改进：跟AI一起升级

把上面的 pie_basic.py 发给 AI，这次的需求往”能进汇报PPT”上提：

“这是我家庭月度支出的饼图（代码如下）。想升级成能放进汇报的版本：1）最大一块分离出来强调；2）每块标百分比，白色加粗；3）图中间写总支出；4）帮我检查这份数据用饼图是否合适。请先给方案说明每处改动的意图，确认后再给代码。”

它的方案里会冒出三个新面孔，先混脸熟：

• explode 列表：分离强调的标准做法——和数据等长的列表，只给要强调的块写非零值；
• wedgeprops 字典：扇形的”装修包”——环宽、边框、透明度都从这儿进；
• ax.set_aspect("equal")（或 plt.axis("equal")）：强制坐标轴等比例。matplotlib 的饼图默认是正圆，但一遇上标题、图例挤压画布就可能被拉成椭圆——椭圆的”角度”就不准了，这条几乎是 AI 必加的保险，值得自己记住。

逐条实现、逐条跑。重点不是它给了什么代码，是你能说出”这处改动让份额的哪个要素更清楚了”——说不出，就说明改动是花架子。另外让它回答第4问（数据适不适合饼图），这是今天最值钱的一问。

五、四个必踩的坑（先打疫苗）

1. 块数超过6块 = 饼图当场出局。 扇形一多，颜色分不清、标签挤成粥、读者还要来回对照图例——三秒原则直接破产。铁律：超过6块，要么合并小类成”其他”（写明成分），要么换横向条形图。 条形图不需要合并也不需要图例来回跳，份额逐项比大小它更称职。

1. 3D饼图、渐变、阴影 = 占比骗局。 3D 透视让”前面”的扇形显得大、”后面”的显得小——同样 20% 的两块，画出来能差出一倍的视觉面积；渐变和阴影让扇形的边界发虚，角度判断雪上加霜。饼图的美是2D 平涂 + 清晰边界 + 白描边，花活留给海报，不留给数据。（甜甜圈不算花活——环宽不改变角度，放心用。）

1. 数据不满足”互斥+等于整体”就硬画。 多选题投票（一人可选多项）、”想去的地方”（可以列三个）——各项加起来超过100%，画饼就是自欺欺人。还有一种隐蔽的：份额彼此太接近（33%、32%、35%），人眼对角度的判断是所有视觉属性里最差的，三块看起来一样大，饼图等于白画——这种”势均力敌”的较量数据，用柱状图（第63篇）把差距拉直了看。

1. 百分比四舍五入的”消失的一块”。 各块 %.1f%% 四舍五入后总和可能 ≠ 100%（99.9% 或 100.1% 都正常），对外材料要心里有数：要么注明”因四舍五入，合计可能不等于100%”，要么把最大块的尾数调平。另外起始角随手乱设（比如从3点钟方向、逆时针切）会让读者的阅读顺序和你的叙事顺序打架——startangle=90, counterclock=False 加最大块放首位，是份额图的”排队礼仪”。

六、跟AI协作的正确姿势（份额图特供版）

1. 让 AI 当”读者”答题。 把图发给它，问三个问题：”哪块最大？占多少？碎块多不多？”它答不全，说明图没讲清份额，改图比改问法重要。

1. 把”整体的定义”告诉它。 这个”饼”是什么整体？（全家总支出？全部用户？24小时？）各块互斥吗？合计等于整体吗？——份额图的所有纪律都从”整体”这两个字来，AI 拿不到这个前提，给的图就可能在讲一个不存在的故事。

1. 让它当”图形选择的参谋”。 “这份数据用饼图合适吗？块数几块？有没有相近的份额？”它答得上”6块以内、互斥、份额拉开才用饼；否则条形图平替”，你就多了一个靠谱的参谋——这句话也是验收它给的图的标准。

七、今日小练习

练习1：画出你自己的份额饼图。 找一组”部分-整体”数据（月度开销、一天时间去向、手机电量去向都行），画带百分比标签的饼图：autopct="%1.1f%%"、最大一块 explode 分离、startangle=90 顺时针（提示：先自检三要素——谁占大头、占多少、零头几块；再自检”互斥+等于整体”两个前提成立吗？）。

练习2：做个甜甜圈。 把练习1的图改成甜甜圈（wedgeprops={"width": 0.42}），圆心写上总额或一句结论，白色描边分块（提示：plt.text(0, 0, ...) 在圆心写字；饼图容易被画布挤压成椭圆，加 plt.axis("equal") 保险）。

练习3：给碎块做”体检”。 造一份 8~10 个类别的数据，先硬画一张饼图感受”碎盘子”，再用合并法把它收成 ≤6 块（”其他”写明成分），最后用横向条形图画同一份数据，对比哪张图”谁大谁小”看得更准（提示：if v / total >= 0.05 筛大类；plt.barh 画条形图平替；自问：人眼比长度还是比角度更准？）。

下篇预告

下一篇（第65篇）：散点图 — 看两件事有没有”默契”。 三兄弟讲的都是”一个变量”的故事，散点图第一次让两个变量同台：锻炼多的人是不是睡得香？广告花得多是不是卖得多？——”相关性”是数据分析从”描述”走向”发现”的第一步。下一篇学散点图的读法、回归线的初见，以及”相关≠因果”这个必须刻在脑门上的铁律。