如何在pandas中基于单列不同值区间创建饼图？

实现整体分为三步：加载/构造数据、按指定规则对数值列分箱打分类标签、统计各分类计数后绘制饼图。

完整实现代码 #

import pandas as pd
import matplotlib.pyplot as plt

# 1. 构造示例数据
df = pd.DataFrame({
    'City': ['abc', 'mno', 'xyz', 'uvw', 'def'],
    'Population': [5000, 2000, 7000, 9000, 11000]
})

# 2. 按人口区间规则分箱
# 定义区间边界：负无穷到5000，5000到10000，10000到正无穷
bins = [-float('inf'), 5000, 10000, float('inf')]
category_labels = [
    'underpopulated（人口不足）',
    'moderate-populated（人口适中）',
    'overpopulated（人口过剩）'
]
# right=False设置区间为左闭右开，匹配规则 [负无穷,5000)、[5000,10000)、[10000,正无穷)
# 若需要严格遵循「<5000、5000<P<10000、>10000」的规则（排除等于5000、10000的边界值），可先过滤掉Population等于边界值的行再分箱
df['pop_category'] = pd.cut(
    df['Population'],
    bins=bins,
    labels=category_labels,
    right=False
)

# 3. 统计各分类数量并绘制饼图
category_stats = df['pop_category'].value_counts()
plt.figure(figsize=(6, 6))
plt.pie(
    category_stats,
    labels=category_stats.index,
    autopct='%1.1f%%', # 饼图显示百分比
    startangle=90
)
plt.axis('equal') # 强制饼图为正圆形
plt.title('城市人口区间分布')
plt.show()

运行结果说明 #

基于提供的示例数据运行后，各分类统计结果如下：

• underpopulated（人口不足）：共1个城市（mno，人口2000）
• moderate-populated（人口适中）：共3个城市（abc、xyz、uvw，因左闭右开规则5000被划入该分类，可根据实际业务需求调整边界包含逻辑）
• overpopulated（人口过剩）：共1个城市（def，人口11000）

内容的提问来源于stack exchange，提问作者Kartikey