可视化篇（三）———使用Excel绘制动态数据分布饼图
 
摘要
（一）问题引入
（二）通过偏移引用函数offset创建偏移量
（三）将偏移量字段插入数据透视表并作出饼图
（四）开发者工具中插入选项按钮
（五）按钮组合及图像美化
（六）总结

 
摘要
 
本文给出了绘制多个字段的数据统计分布的动态饼图的参考方法，读者亦可以按照这种方法实现动态直方图、柱状图、折线图等图形的绘制。
 
（一）问题引入
 
假设有以下一份数据，我们需要做各个字段的数值个数统计，最终以一张饼图来呈现多个字段的统计结果，且不同字段的结果，通过点击一个按钮，饼图即可切换到该字段的数据分布下。
 
 
（二）通过偏移引用函数offset创建偏移量
 
图中，编号字段起到占位的作用，无实际意义，$F$1字段为偏移步长存放单元格。
 
 然后按照同样的规律，将偏移量字段的数据全部填充，结果如下：
 
 
（三）将偏移量字段插入数据透视表并作出饼图
 
选中偏移量列，并插入数据透视表，聚合函数选择计数，则可得到下图。
 
 在数据透视表的分析中插入一个数据透视图，选择饼图，即可得到下图：
 
 
（四）开发者工具中插入选项按钮
 
在开发者工具的插入选项中找到选项按钮。
 
 插入选项按钮后，右键选择设置控件格式，在控制中选择单元格链接，选择F1单元格，可以回看第二步F1单元格代表什么。
 
 依据字段数目，复制粘贴出相应数量的选项按钮，并更改选项按钮的名称为字段名。
 
 单机选择任意选项按钮，再选中饼图，在分析中点击一下刷新，即可出现对应字段的分布饼图。
 
 选择其他选项按钮，按照以上的方法则可得到相应的图像。
 
 
 
（五）按钮组合及图像美化
 
可以将多个按钮组合再一起并添加背景，再对饼图进行调整，使其更美观，最后也可以将按钮和饼图组合在一起，当然也可以将其放置到另一个空白sheet中去，使其看起来更加清爽。
 
 

 
 
（六）总结
 
除了可以绘制动态饼图，其余相应动态直方图、柱状图、折线图等图形的绘制方法是一样滴！
 
by CyrusMay 2020 09 12
 To 红小豆
 我如果有梦 梦要够疯
 够疯才能变成英雄
 总会有一篇我的传说
 ——————五月天（咸鱼）——————

同一种数据，往往有多种可视化呈现的方式。然而，在我们将数据可视化的过程中，却经常会被“惯性思维”所束缚。饼图常用于统计学模块，它是一个分区的特殊形状如饼的圆形图。但如今，饼图不仅仅是我们理解中的立体如饼形的图表，它成为了展现比例图示的一个系列图的总称。即饼图系。因此它可以被细分为扇形图，环形图等。仅排列在工作表的一列或一行中的数据可以绘制到饼图中，饼图显示一个数据系列中各项的大小与各项总和的比例。
 
饼图特点：
 
(1)用扇形或立体饼形的面积表示部分在总体中所占的百分比;
 
(2)易于显示每组数据相对于总数的大小。
 
如果要更清楚的了解个部分数量同总数之间的关系，就可以用饼图。
 
饼图怎么制作好看？
 
饼图是可以显示一个数据行列中各种大小和总和的比例，相当于一个饼图的能够分割成为多个隔开的块，能够区分各个块的不同大小。饼图比较适合是有一个数据列的各项数据，通常使用在统计学的模块当中。一般情况下饼图可以通过Excel来制作。饼状图怎么做的好看？饼图制作比较简单，只要用不同大小的块来表示不同的数据就行。但是想要制作出好看的饼图，Excel做不出来，那就需要用到专业制作饼图的软件。
 
专业的饼图制作软件
 
通过Excel饼状图制作软件制作出来的饼图比较简单，而且看起来有点死板。饼状图怎么做的好看呢？可以使用Smartbi软件来制作。因为Smartbi是专业的制图软件，制作出来的饼图可以按照不同区块呈现不同颜色。好看的饼图不但能够直观的看到各个区块的数据多少，而且从区块的大小和颜色就能直接数据的分布情况，所以很少人都使用Smartbi制作好看的饼图。
 
比如，目前市面上很流行的思迈特公司的软件——Smartbi，功能算是前沿的，可做BI报表和大屏，包括数据整合、建模、分析、可视化制作图表，很适合企业使用。难度不算太大，而效果也不错。
 
下图是常用的饼图：表示一年中各个季度的销售额在整体中所占的比重。
 
 
一起来用Smartbi制作上面的饼图，查看公司中各产品类别销售额的占比情况。
 
以上业务情景的数据来源如下：
 
 
Smartbi制作饼图的步骤：
 
步骤一：双击“季”和“销售额”字段，由系统自动分配维度到“颜色”标记项、分配度量到“角度”标记项，此时做出的图形没有显示百分比，把“季”、“销售额”拖拽到“标签”标记项，把鼠标停留在“销售额（合计）”字段标签上，显示三角按钮，单击该按钮：
 
 
在弹出的菜单中选择 快速表计算 > 总额百分比 即可显示百分比，如下图：
 
 
可以清晰看出每种产品占总体的百分比情况。
 
步骤二：图形还支持丰富的子图可供切换，丰富了展现形式，具体如下：
 
 
饼图：圆形被分割成几块，代表不同的类别，块的大小表示数据的大小。
 
环形图：环形图是由两个大小不一的饼图叠在一起，挖去中间的部分所构成的图形。色块面积比较小，留白更多，有更多空间留给信息标注和图文排版，使用时更灵活轻巧。
 
南丁格尔玫瑰图（面积模式）：每个类别所占圆的圆心角一定，以扇形半径表示数据系列的大小，可以得出大致的占比情况，给人强烈的差异感。
 
南丁格尔玫瑰图（半径模式）：圆心角随半径变化，以圆心角大小和半径大小表示数据系列大小，可以得出大致的占比情况，给人强烈的差异感。

 
引入：
 
什么是饼图？
 
 
 
 
     饼图英文学名为Sector Graph, 有名Pie Graph。常用于统计学模块。2D饼图为圆形，手画时，常用圆规作图。
 
 
 
 
     仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图显示一个数据系列 （数据系列：在图表中绘制的相关数据点，这些数据源自数据表的行或列。图表中的每个数据系列具有唯一的颜色或图案并且在图表的图例中表示。可以在图表中绘制一个或多个数据系列。饼图只有一个数据系列。）中各项的大小与各项总和的比例。饼图中的数据点 （数据点：在图表中绘制的单个值，这些值由条形、柱形、折线、饼图或圆环图的扇面、圆点和其他被称为数据标记的图形表示。相同颜色的数据标记组成一个数据系列。）显示为整个饼图的百分比。
 
 
     简单来说，饼图只有一个数据序列，可以清楚直观的反映出这个序列各个数据所占的比例
 
第一种画法：
 
import numpy as np
import matplotlib.pyplot as plt
from pandas import Series,DataFrame
import pandas as pd
s = Series(data=np.random.randint(10,40,size=5),index=list('ABCDE'),name='饼图示例')

from matplotlib.pyplot import rcParams
# 解决 中文显示不出 
rcParams['font.sans-serif'] = 'kaiti'
# 解决 饼图 标题字体太小
rcParams['font.size'] = 20
# 解决 饼图整体太小
plt.figure(figsize=(8,6))
# fontsize 设置 饼图标签字体 autopct 显示 饼图所占比例 shadow 绘制阴影
# explode 突出某一块
s.plot(kind='pie',fontsize=15,autopct='%.1f%%',shadow=True,explode =[0.1,0,0,0,0])
 
 
第二种画法：
 
import pandas as  pd
import matplotlib.pyplot as plt

df = DataFrame(data=np.random.randint(100,299,size=(3,3)),index=['商家A','商家B','商家C'],columns=['第一天','第二天','第三天'])

plt.figure(figsize=(12,9))
# 设置超级标题 即所有子图的标题 x y 设置标题的位置
plt.suptitle('各个商家三天销售情况',x=0.5,y=0.8)
# 创建一个子图 绘制 第一天 各商家销售情况
ax = plt.subplot(131)
ax.pie(df['第一天'],autopct='%.1f%%',labels=df.index,shadow=True,explode=[0.1,0,0])
ax.set_title('第1天')
# 创建一个子图 绘制 第二天 各商家销售情况
ax = plt.subplot(132)
ax.pie(df['第二天'],autopct='%.1f%%',labels=df.index,shadow=True,explode=[0,0.1,0])
ax.set_title('第2天')
# 创建一个子图 绘制 第三天 各商家销售情况
ax = plt.subplot(133)
ax.pie(df['第三天'],autopct='%.1f%%',labels=df.index,shadow=True,explode=[0,0,0.])
ax.set_title('第3天')
# 设置图例
plt.legend(df.index,loc=(1.2,0.5),title='商家',fontsize=12)
plt.show()
 
 
第三种画法：
 
from pyecharts.charts import Pie
from pyecharts import options as opts
phone = ['小米', '三星', '华为', '苹果', '魅族', 'VIVO', 'OPPO']
value = np.random.randint(100,200,size=7).tolist()
# 注意 函数接收的类型为 (x,y) 组成的列表
def pie_rich_label() -> Pie:
    c = (
        Pie()
        .add(
            "",
            list(zip(phone,value)),
            label_opts=opts.LabelOpts(
                position="outside",
                # b 表示 手机名 c 表示该手机对应的数量 d表示占比
                formatter="{b|{b}: }{c}  {per|{d}%}  ",
                background_color="#eee",
                border_color="#aaa",
                border_width=1,
                border_radius=4,
                # pyecharts 强大的一点 可以使用 调用富文本 
                rich={
                    "b": {"fontSize": 16, "lineHeight": 33},
                    "per": {
                        "color": "#eee",
                        "backgroundColor": "#334455",
                        "padding": [2, 4],
                        "borderRadius": 2,
                    },
                },
            ),
        )
        .set_global_opts(title_opts=opts.TitleOpts(title="某天各个手机销售饼图"))
    )
    return c
pie_rich_label().render_notebook()
 
 
:）

这里我们使用Tableau自带的示例数据超市中的类别和数量两个字段。
 
Step1
 
将类别字段拖放到颜色上，并将标记改为饼图，然后把数量拖放到角度上。

 
 
Step2
 
在列上创建两个AVG(0)字段，并将后面的一个改为双轴。


 
 
Step3
 
将第一个AVG(0)设置为饼图，且将其大小拉大（要大于后者）；将第二个AVG(0)改为圆并将其颜色填充为白色。


 
 
Step4
 
为第一个AVG(0)添加文本标签，并将数量快速表计算->总额百分比
最后结果如下

 
 
后话
 
饼图配色时，使用同一色彩的不同深浅明暗的相近色是常见的方案之一，特别适合按照大小排序过的饼图，通过颜色的深浅也能直观的感知到数据的大小。这种配色方式也称为单色系配色。
 
在单色的基础上再增加一种邻近（色环上位置比较近）或强反差的颜色，就形成双色配色，这也是比较常用的方法，比较适合扇区个数不是很多的情况。
 
常见的双色搭配比如蓝色+灰/白、红色+灰/金、橙色+蓝/绿、黄+蓝/黑等等。
两种主色还可以增加深浅明暗的变化，或是在色调上增加一些偏移形成不同的过渡色。
 
饼图配色5禁忌
 
忌脏：图表颜色过于暗沉
忌粉：图表颜色太浅，对比度不足
忌纯：图标颜色纯度过高，配色较难
忌跳：图标颜色太刺眼，不宜使用
忌花：图表五颜六色，没有主次
 
 
文末建议
 
类别太多时，比较类别数据请慎用饼图；
2. 应该着重突出主体；
3. 饼图颜色千万不能太多，堆在一起太花了；
4. 一定要注意图例顺序和饼图内容颜色顺序一致