餅圖，或稱餅狀圖，是一個劃分為幾個扇形的圓形統計圖表。在餅圖中，每個扇形的弧長（以及圓心角和麵積）大小，表示該種類占總體的比例，且這些扇形合在一起剛好是一個完全的圓形。 餅圖最顯著的功能在於表現“占比”。習慣上，人們通過比較餅圖扇形的大小來獲得對數據的認知。 使用餅圖時，須確認各個扇形的數據加起來等 ...
餅圖，或稱餅狀圖，是一個劃分為幾個扇形的圓形統計圖表。
在餅圖中，每個扇形的弧長（以及圓心角和麵積）大小，表示該種類占總體的比例，且這些扇形合在一起剛好是一個完全的圓形。
餅圖最顯著的功能在於表現“占比”。
習慣上，人們通過比較餅圖扇形的大小來獲得對數據的認知。
使用餅圖時，須確認各個扇形的數據加起來等於100%；
且避免扇區超過5個，扇形的排布順序，一般情況下，將最大的扇形放在12點鐘方向。
1. 主要元素
餅圖的主要元素包括：
- 餅片（扇形）：餅圖由多個餅片組成，每個餅片的大小代表了對應部分在總體中的比例關係。
- 標簽：餅圖中的每個餅片通常都會有一個標簽，用於表示對應部分的具體名稱或者數值。
- 圖例：圖例是餅圖的一部分，用於解釋每個餅片所代表的含義，幫助觀察者理解圖表。
- 百分比：餅圖通常會顯示每個餅片所占的百分比，以便更直觀地展示比例關係。
2. 適用的場景
餅圖適用的場景包括：
- 比例展示：展示一個總體中各個部分的比例關係，例如市場份額、人口比例等。
- 分類數據：展示分類數據的比例關係，例如某個產品的銷售額占比、不同地區的人口分佈等。
- 簡單數據分析：簡單的數據分析，幫助觀察者快速瞭解數據的分佈情況和相對大小。
- 強調重點：突出某個部分的重要性，引起觀察者的註意，例如某個產品的關鍵特點或者某個地區的重要經濟指標。
3. 不適用的場景
餅圖不適用的場景包括：
- 多個分類變數：當數據包含多個分類變數時，餅圖可能會變得複雜和難以理解，不適合展示覆雜的關係。
- 數據過於細分：當數據被分成過多的小塊時，餅圖可能會變得擁擠和難以辨認，不適合展示細分數據。
- 數據差異較小：當各個部分的差異較小，比例接近時，餅圖可能無法清晰地展示差異，不適合展示相似的數據。
- 需要精確數值比較：餅圖通常只能展示相對比例關係，無法提供精確的數值比較，不適合需要準確數值的場景。
4. 分析實戰
本次用餅圖統計展示 不同人口規模的城市數量 的統計情況。
4.1. 數據來源
數據來自國家統計局公開的城市概況數據，可從下麵的網址下載：
https://databook.top/nation/A0B
使用其中的 A0B01.csv 文件（分機構類型法人單位數）
fp = "d:/share/A0B01.csv"
df = pd.read_csv(fp)
df
4.2. 數據清理
最新的2022年數據缺失較多，所以選取2021年的數據進行分析。
data = df[df["sj"] == 2021]
data
第一條數據全部城市情況，統計需要去除，另外，指標的名稱太長，統計前也可以調整下。
接著上面過濾後的數據繼續數據清洗：
data = data.reset_index() # 重置索引
data = data.iloc[1:] # 忽略第一條合計的數據
#調整指標名稱，刪除多餘的文字
data["zbCN"] = data["zbCN"].str.replace("城市市轄區年末總", "")
data["zbCN"] = data["zbCN"].str.replace("地級及以上", "")
data
最後得到的數據有6條，餅圖一般來說數據不要超過5個，6個也還行，再多就影響顯示效果了。
4.3. 分析結果可視化
with plt.style.context("seaborn-v0_8"):
fig = plt.figure()
ax = fig.add_axes([0.1, 0.1, 0.8, 0.8])
ax.pie(data["value"], autopct="%1.1f%%")
ax.legend(
data["zbCN"].tolist(),
loc="center",
bbox_to_anchor=(1, 0, 0.5, 1),
)
從分析結果可看出，50萬~200萬人口的城市超過一半，是大多數的城市規模。
兩端的情況（人口20萬以下，或者400萬以上）的城市占比最小。
