Python如何使用plotly.express绘制单列数据频率饼图

不需要额外做透视表，用pandas原生方法就能快速拿到可直接传入Plotly的统计结果，全程不需要依赖matplotlib。

• 频率统计（替代透视表的最简方法）
  用value_counts()直接统计目标列的取值出现次数，结果默认会把分类值放在索引、计数作为值，只要用reset_index()就能转成Plotly可识别的普通二维表结构：

import pandas as pd
import plotly.express as px

# 替换成你自己的DataFrame变量名和列名
df = pd.DataFrame({'Cars': ['FORD', 'FORD', 'BMW', 'GMC', 'GMC', 'GMC', 'GMC']})

# 统计频次，转成普通列结构
count_res = df['Cars'].value_counts(dropna=False).reset_index()
count_res.columns = ['car_brand', 'total'] # 重命名列方便识别

如果你之前已经用透视表生成了统计结果，读不到列标签是因为透视表默认会把分组字段设为索引，不是普通列，只要执行你的透视表变量.reset_index()就能把分组标签转成普通列，再重命名下列即可使用。

• 绘制饼图
  直接传入统计好的表，指定名称列和数值列即可：

fig = px.pie(
    count_res,
    names='car_brand',
    values='total',
    title='各品牌汽车数量占比'
)
fig.show()

• 适配多分类场景的替代图表
  如果列的取值分类超过6个，饼图会出现标签拥挤、占比辨识度低的问题，更推荐用条形图做频率对比：

fig = px.bar(
    count_res,
    x='car_brand',
    y='total',
    text_auto=True, # 柱子上直接显示数值
    title='各品牌汽车数量统计'
)
fig.show()

小提示：value_counts()默认会自动忽略空值，如果需要把空值也纳入统计，加上参数dropna=False即可。

内容的提问来源于stack exchange，提问作者MasterGG