如何基于已有dataframe使用facet_wrap绘制分面饼图

你已创建的数据集示例如下：

分面饼图的核心逻辑是按指定分面字段拆分数据子集，为每个子集单独绘制饼图后按网格排布，以下是两种最常用的落地实现方式：

方法1：Matplotlib + Pandas 静态图实现（最通用，无额外复杂依赖） #

前置要求 #

你的数据集需要包含三类字段：

• 分面维度列：用来拆分出多个子饼图的分组依据，比如不同区域、不同时间周期
• 分类列：单个饼图内每个扇区对应的类别名称
• 数值列：每个扇区对应的量化值，用来计算占比

完整实现代码 #

import pandas as pd
import matplotlib.pyplot as plt

# --------------------------
# 这里替换成你自己的DataFrame
# df = 你已经创建好的dataframe变量
# --------------------------

# 配置参数，根据自己的需求修改
facet_col = "你的分面列名"  # 比如"地区""月份"
category_col = "你的饼图分类列名"  # 比如"消费类型""渠道"
value_col = "你的数值列名"  # 比如"订单量""金额"
n_cols = 3  # 子图网格每行放几个饼图

# 自动计算子图行数
groups = df[facet_col].unique()
n_groups = len(groups)
n_rows = (n_groups + n_cols - 1) // n_cols

# 创建子图网格
fig, axes = plt.subplots(
    nrows=n_rows, 
    ncols=n_cols, 
    figsize=(5*n_cols, 4*n_rows)
)
# 将axes转为一维数组方便循环
axes = axes.flatten()

# 循环绘制每个分面的饼图
for idx, group_name in enumerate(groups):
    # 筛选当前分面的数据
    sub_df = df[df[facet_col] == group_name]
    # 绘制饼图，autopct控制百分比显示格式
    axes[idx].pie(
        sub_df[value_col],
        labels=sub_df[category_col],
        autopct="%1.1f%%",
        startangle=90
    )
    # 设置子图标题为分面名称
    axes[idx].set_title(f"{facet_col}: {group_name}")

# 隐藏多余的空白子图
for idx in range(n_groups, len(axes)):
    axes[idx].axis("off")

# 自动调整间距避免标签重叠
plt.tight_layout()
plt.show()

方法2：Plotly 交互式分面饼图（代码更简洁，支持交互查看） #

如果需要可交互的图表（鼠标悬浮显示详情、缩放、导出等），可以直接用plotly的分面参数，不需要手动写循环：

import plotly.express as px

# 替换成你自己的列名即可
fig = px.pie(
    df,
    values="你的数值列名",
    names="你的饼图分类列名",
    facet_col="你的分面列名",  # 按列分面，也可以用facet_row按行分面
    facet_col_wrap=3  # 每行最多放3个饼图
)
fig.show()

实用优化提示 #

• 为了避免不同子饼图中同一类别颜色不一致，可以提前定义分类和颜色的映射字典，在pie()方法中传入colors参数固定配色
• 如果分类太多不适合在每个饼图旁加标签，可以关闭labels参数，统一在画布外侧加全局共享图例
• 可以给pie()加wedgeprops={"width":0.6}参数，把普通饼图改成环形图，视觉效果更清爽

内容的提问来源于stack exchange，提问作者trangha2710