华夫饼图Waffle chart是一种独特而直观的图表，用于表示分类数据。它采用网格状排列的等大小方格或矩形，每个方格或矩形分配不同的颜色或阴影来表示不同的类别。这种可视化方法有效地传达了每个类别在整个数据集中的相对比例。本文介绍如何使用基于Python的PyWaffle库绘制华夫饼图。PyWaffle开源仓库地址见：PyWaffle，PyWaffle官方文档见：PyWaffle-docs。本文代码下载地址：Python-Study-Notes。
PyWaffle安装方式如下：
pip install -U pywaffle
# PyWaffle库依赖于matplotlib绘制图片 import matplotlib.pyplot as plt from pywaffle import Waffle
1 使用简介
1.1 基本使用
1.1.1 基础绘图
PyWaffle库通过其Waffle类提供了一种便捷的方式来创建华夫饼图。每个类别的方格占比可以通过参数values进行设置，数据可以是列表、字典和Pandas.DataFrame结构。然后可以使用rows和columns参数来定制行数和列数。只需要指定其中一个参数，另一个参数可以根据values的总和推断出来。
# 新建绘图图像 fig = plt.figure( FigureClass=Waffle, rows=5, # columns=10, values=[30, 16, 4] ) # 保存结果 # fig.savefig("plot.png", bbox_inches="tight") plt.show()
如果value参数输入的是比例值，则必须设置rows和columns属性来定义值的显示方式。
fig = plt.figure( FigureClass=Waffle, rows=2, columns=5, values=[0.2, 0.5, 0.3] ) plt.show()
如果values总和与rows*columns的结果不一致，Waffle类将values解释为各部分的相对比例。
fig = plt.figure( FigureClass=Waffle, rows=5, columns=5, values=[30, 16, 4] ) plt.show()
当字典传递给values时，键将用作标签并显示在图例中，注意图例会默认显示。
plt.figure( FigureClass=Waffle, rows=5, values={'Cat': 30, 'Dog': 16, 'Bird': 4}, legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例 ) plt.show()
不显示图例。
fig = plt.figure( FigureClass=Waffle, rows=5, values={'Cat': 30, 'Dog': 16, 'Bird': 4}, legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例 ) # 移除legend fig.axes[0].get_legend().remove() plt.show()
1.1.2 类别比例设置
如果values的总和与rows*columns的结果不一致，Waffle类将解释values为各部分的相对比例。如下所示各个类别方块数输出为小数，小数位的取舍会导致不同的展示效果：
# nearest, ceil or floor import numpy as np target = {'Cat': 48, 'Dog': 46, 'Bird': 3, 'Fish': 9} values = np.array(list(target.values())) values_ratio = values /sum(values) # 华夫饼图结构 row = 2 col = 5 # 各个类别方块数 values_ratio * row *col
array([4.52830189, 4.33962264, 0.28301887, 0.8490566 ])
为此，Waffle类通过rounding_rule参数来处理小数位取舍问题。rounding_rule可选值为nearest(默认), ceil或floor。具体如下：
nearest
nearest表示将方块的数值四舍五入到最接近的整数。
# 各个类别方块数 np.round(values_ratio * row *col, 0).astype(int)
array([5, 4, 0, 1])
np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=2, columns=5, values=target, rounding_rule='nearest', # 默认值 legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例 ) plt.show()
ceil
ceil表示将方块的数值向上舍入到最接近的整数。然而，在nearest和ceil模式下，方块的总和可能会超过华夫饼图的预设长度，超出预设长度的方块将不会显示。这也意味着，输入类别位置越靠后，其方块显示的数值越可能不准确。
# 各个类别方块数 np.ceil(values_ratio * row *col).astype(int)
array([5, 5, 1, 1])
np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=2, columns=5, values=target, rounding_rule='ceil', # 默认值 legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例 ) plt.show()
floor
floor表示将方块的数值向下舍入到最接近的整数，由于这种舍入方式的特性，绘制的方块数可少于预设的数量。
# 各个类别方块数 np.floor(values_ratio * row *col).astype(int)
array([4, 4, 0, 0])
np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=2, columns=5, values=target, rounding_rule='floor', # 默认值 legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例 ) plt.show()
如果想要在华夫饼图中完整显示所有类别，但又不希望方块数量过多，一种有效的方法是只设定rows或columns中的一个参数，然后将每个类别的数值除以最小类别的数值，以确保最少类别的方块数量为1，同时将其他类别的数值显示为相对于最少类别的比例。
target_ = target.copy() # 找到最小值 min_value = min(target_.values()) # 更新字典中每个键对应的值 target_ = {key: int(value / min_value) for key, value in target.items()} print(target_)
{'Cat': 16, 'Dog': 15, 'Bird': 1, 'Fish': 3}
np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=4, values=target_, legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例 ) plt.show()
1.2 样式设置
1.2.1 展示效果设置
标题、标签和图例
data = {'Cat': 30, 'Dog': 16, 'Bird': 4} fig = plt.figure( FigureClass=Waffle, rows=5, columns=10, values = data, title={ 'label': 'Example plot', 'loc': 'center', 'fontdict': { 'fontsize': 20 } }, labels=[f"{k} ({int(v / sum(data.values()) * 100)}%)" for k, v in data.items()], legend={ #'labels': [f"{k} ({v}%)" for k, v in data.items()], # labels可以在legend中设置 'loc': 'lower left', 'bbox_to_anchor': (0, -0.2), 'ncol': len(data), 'framealpha': 0, 'fontsize': 12 }, # 设置颜色条，支持Pastel1, Pastel2, Paired, Accent, Dark2, Set1, Set2, Set3, tab10, tab20, tab20b, tab20c cmap_name="Accent", facecolor='#DDDDDD', # 绘图背景色 # 也可以单独设置颜色 # colors=["#232066", "#983D3D", "#DCB732", "F12F34"] )
方块宽高比设置
参数block_aspect_ratio通过更改块的宽度与块的高度之比来控制方块的形状。默认block_aspect_ratio为1，也就是每个方块都是正方形。
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], block_aspect_ratio=1.618 )
方块间距控制
参数interval_ratio_x和interval_ratio_y分别负责调节块之间的水平和垂直间距。具体来说，interval_ratio_x代表了块之间的水平间距与块宽度的比率，而interval_ratio_y则反映了块之间的垂直间距与块高度的比率。
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], interval_ratio_x=1, interval_ratio_y=0.5 )
起始方块绘图位置
starting_location用于设置起始方块的位置。这个参数可输入包括 "NW（西北角、左上角）"、"SW（默认值，西南角，右下角）"、"NE（东北角，右上角）" 和 "SE（东南角，右下角）"。
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], starting_location='SE' )
绘图方向
默认情况下PyWaffle逐列绘制方块，因此类别是按水平方向排列绘制的，如果按行绘制方块，则设置vertical参数为True。
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], vertical=True )
类别方块排列方式
block_arranging_style参数用于控图中各类别方块的排列方式，具体如下：
- normal: 默认方式，方块会按照常规的网格模式进行排列。
- new-line: 每个类别的方块都会从新的一行开始排列。这意味着，如果你有多个类别，每行只有一个类别的图标。
- snake: 方块会按照“蛇形”或“之字形”的模式进行排列。
# new-line排列 fig = plt.figure( FigureClass=Waffle, rows=5, values=[12, 22, 20, 4], vertical=True, block_arranging_style='new-line' )
# snake排列 fig = plt.figure( FigureClass=Waffle, rows=5, values=[12, 22, 20, 4], block_arranging_style='snake' )
1.2.2 绘图框架自定义
子图绘制
PyWaffle可以通过添加子图的方式，实现在同一张图中显示多个华夫饼图。以下是示例：
import pandas as pd # 创建一个产量表格 data = pd.DataFrame( { 'labels': ['Car', 'Truck', 'Motorcycle'], 'Factory A': [44183, 12354, 3246], 'Factory B': [29198, 7678, 2556], 'Factory C': [9013, 4079, 996], }, ).set_index('labels')
fig = plt.figure( FigureClass=Waffle, plots={ 311: { # 311数字对应于 matplotlib中subplot 的位置编码方式，311表示一个三行一列的布局中的第一个子图 'values': data['Factory A'] / 1000, # 将实际数字转换为合理的块数 'labels': [f"{k} ({v})" for k, v in data['Factory A'].items()], 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 8}, 'title': {'label': 'Vehicle Production of Factory A', 'loc': 'left', 'fontsize': 12} }, 312: { 'values': data['Factory B'] / 1000, 'labels': [f"{k} ({v})" for k, v in data['Factory B'].items()], 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.2, 1), 'fontsize': 8}, 'title': {'label': 'Vehicle Production of Factory B', 'loc': 'left', 'fontsize': 12} }, 313: { 'values': data['Factory C'] / 1000, 'labels': [f"{k} ({v})" for k, v in data['Factory C'].items()], 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.3, 1), 'fontsize': 8}, 'title': {'label': 'Vehicle Production of Factory C', 'loc': 'left', 'fontsize': 12} }, }, rows=5, # 应用于所有子图的外部参数，与下面相同 cmap_name="Paired", rounding_rule='ceil', figsize=(5, 5) ) fig.suptitle('Vehicle Production by Vehicle Type', fontsize=14, fontweight='bold') # 说明1个方块代表多少车辆 fig.supxlabel('1 block = 1000 vehicles', fontsize=8, ha='right')
Text(0.5, 0.01, '1 block = 1000 vehicles')
现有轴绘图
Pywaffle提供Waffle.make_waffle方法来在现有的matplotlib轴上绘图，而不需要重新初始化Waffle实例。
fig = plt.figure() ax = fig.add_subplot(111) ax.set_title("Axis Title", loc= "right") ax.set_aspect(aspect="equal") Waffle.make_waffle( ax=ax, # 利用现有绘图对象 rows=5, columns=10, values=[30, 16, 4], title={"label": "Waffle Title", "loc": "left"} )
此外可以利用make_waffle与已定义坐标轴来显示多个数据结果。
import matplotlib.patches as mpatches data = { 2021: [175, 139, 96], 2022: [232, 187, 126], 2023: [345, 278, 195], 2024: [456, 389, 267] } df = pd.DataFrame(data,index=['cat', 'dog', 'cow']) number_of_bars = len(df.columns) colors = ["darkred", "red", "darkorange"] # Init the whole figure and axes fig, axs = plt.subplots(nrows=1, ncols=number_of_bars, figsize=(8,6),) # Iterate over each bar and create it for i,ax in enumerate(axs): col_name = df.columns[i] values = df[col_name]/1000 Waffle.make_waffle( ax=ax, rows=20, columns=5, values=values, title={"label": col_name, "loc": "left"}, colors=colors, vertical=True, font_size=12 ) fig.suptitle('Animal Type Data Display', fontsize=14, fontweight='bold') legend_labels = df.index legend_elements = [mpatches.Patch(color=colors[i], label=legend_labels[i]) for i in range(len(colors))] fig.legend(handles=legend_elements, loc="upper right", title="Animal Types", bbox_to_anchor=(1.04, 0.5), framealpha = 0, fontsize=12) plt.subplots_adjust(right=0.85) plt.show()
添加其他matplotlib绘图组件
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4] ) fig.text( x=0.5, y=0.5, s="hello world!", ha="center", va="center", rotation=30, fontsize=40, color='black', alpha=0.3, bbox={ 'boxstyle': 'square', 'lw': 3, 'ec': 'gray', 'fc': (0.9, 0.9, 0.9, 0.5), 'alpha': 0.3 } )
Text(0.5, 0.5, 'hello world!')
1.2.3 方格样式变换
Pywaffle支持字符和图标来变换方格样式。
字符
Pywaffe允许一个或多个Unicode字符来替换华夫饼图中方格的样式。可用的Unicode字符见：unicode-table。
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], colors=["#4C8CB5", "#B7CBD7", "#C0C0C0"], characters='😊Ã', # 使用两个Unicode字符来展示 font_size=24 )
图标
Pywaffe允许fontawesome中的图标来替换华夫饼图中方格的样式。注意，如果是Windows系统，需要matplotlib 3.5.2及以下版本才能支持该功能。Linux系统对matplotlib版本没有限制。
import matplotlib # 查看matplotlib版本 matplotlib.__version__
'3.8.3'
图标设置方式如下：
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], colors=["#FD5C46", "#9DDF3D", "#AFFBC1"], # 设置颜色 icons='person', # 设置icon font_size= 30 # 图表大小 )
为每个类别设置对应的图标的方式如下所示：
fig = plt.figure( FigureClass=Waffle, rows=5, values={'Cat': 30, 'Dog': 16, 'Cow': 4}, colors=["#000077", "#139900", "#771234"], icons=['cat', 'dog', 'cow'], font_size=20, icon_legend=True, # 替换legend的标签为icon legend={ 'labels': ['CAT', 'DOG', 'COW'], 'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False, } )
进一步设置图标的样式，注意并非每个FontAwesome都拥有不同的图标样式，因此在编写代码时务必进行检查。
fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], colors=["#FFA500", "#4384FF", "#C0C0C0"], icons=['sun', 'cloud-showers-heavy', 'font-awesome'], icon_size=20, icon_style=['regular', 'solid', 'brands'], icon_legend=False, legend={ 'labels': ['Sun', 'Shower', 'Flag'], 'loc': 'upper left', 'bbox_to_anchor': (1, 1) } )
