如何实现Matplotlib饼图图例自动避开其他元素的通用方案？

针对批量生成饼图时图例与百分比标签重叠的问题，有几种可靠的自动处理方案：

1. 使用matplotlib内置的自动最优位置 #

直接将图例的loc参数设为'best'，matplotlib会自动评估图表内的空白区域，选择避开所有元素的位置放置图例，无需手动指定固定位置。

示例代码：

import pandas as pd
import matplotlib.pyplot as plt

fake_df = pd.DataFrame([71, 15, 14],
                       columns=['category'],
                       index=['Category Name 1', 'Category Name 2', 'Category Name 3'])
# 绘制饼图
ax = fake_df.plot.pie(y='category',
                 labels=None, 
                 autopct="%1.0f%%",
                 pctdistance=1.2,
)
# 自动选择最优图例位置
plt.legend(fake_df.index, loc='best')
plt.show()

2. 将图例放在饼图外部（完全避免重叠） #

如果希望彻底消除重叠风险，可将图例放置在饼图外侧，通过bbox_to_anchor参数指定位置，同时调整图表间距防止图例被截断。这种方法适用于所有数据情况，无需判断内部空间。

示例代码：

import pandas as pd
import matplotlib.pyplot as plt

fake_df = pd.DataFrame([70, 15, 15],
                       columns=['category'],
                       index=['Category Name 1', 'Category Name 2', 'Category Name 3'])
ax = fake_df.plot.pie(y='category',
                 labels=None, 
                 autopct="%1.0f%%",
                 pctdistance=1.2,
)
# 将图例放在饼图右侧外部
plt.legend(fake_df.index, loc='upper left', bbox_to_anchor=(1.02, 1))
# 调整右侧留白，适配图例宽度
plt.subplots_adjust(right=0.7)
plt.show()

3. 自定义空白区域判断逻辑（精准控制内部位置） #

如果必须将图例放在饼图内部，可通过代码提取百分比标签的位置，计算出空白最多的角落，再指定图例位置。这种方法适合对图例位置有严格要求的场景。

示例代码：

import pandas as pd
import matplotlib.pyplot as plt
import math

def find_optimal_inner_loc(ax):
    # 获取所有百分比标签的坐标
    text_coords = [text.get_position() for text in ax.texts if text.get_text().endswith('%')]
    # 定义四个候选角落的参考坐标（以饼图中心(0,0)为基准）
    candidate_locs = {
        'upper left': (-1, 1),
        'upper right': (1, 1),
        'lower left': (-1, -1),
        'lower right': (1, -1)
    }
    
    best_loc = 'upper right'
    max_min_distance = -1
    # 计算每个候选位置与所有标签的最小距离，选最小距离最大的位置
    for loc, (ref_x, ref_y) in candidate_locs.items():
        min_dist = min(math.hypot(x - ref_x, y - ref_y) for x, y in text_coords)
        if min_dist > max_min_distance:
            max_min_distance = min_dist
            best_loc = loc
    return best_loc

fake_df = pd.DataFrame([71, 15, 14],
                       columns=['category'],
                       index=['Category Name 1', 'Category Name 2', 'Category Name 3'])
ax = fake_df.plot.pie(y='category',
                 labels=None, 
                 autopct="%1.0f%%",
                 pctdistance=1.2,
)
# 调用自定义函数获取最优位置
optimal_loc = find_optimal_inner_loc(ax)
plt.legend(fake_df.index, loc=optimal_loc)
plt.show()

内容的提问来源于stack exchange，提问作者Ben P