如何在Pandas多饼图中显示实际数值而非百分比？

我明白你遇到的困扰：单个饼图用autopct显示绝对值没问题，但当用subplots=True创建多个饼图时，原来的方法就失效了。问题出在你定义的absolute_value函数上——它直接引用了整个DataFrame的values，而每个子饼图对应DataFrame的单独一列，各自有不同的总和，所以计算出来的绝对值完全不对。

问题根源 #

你的absolute_value函数里，val/100.*df.values会把当前饼块的百分比乘以整个DataFrame的所有数据，而不是当前子图对应列的总和。比如"Total"列的总和是825+725=1550，"Last 2 Month"列的总和是56+73=129，每个饼图需要用自己的总和来计算绝对值，而不是共享整个DataFrame的数据。

修正方案 #

这里有两种简洁的修正方式，你可以根据自己的习惯选择：

方式一：在df.plot.pie中绑定每列的总和

我们可以通过lambda函数给autopct传递当前子图对应列的总和，让绝对值计算更精准：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

d = {'Yes':pd.Series([825, 56], index=["Total", "Last 2 Month"]), 
     'No':pd.Series([725, 73], index=["Total", "Last 2 Month"])}
df = pd.DataFrame(d)
df = df.T

def absolute_value(val, total):
    # 用当前饼图的总和计算绝对值，保留整数
    return f'{np.round(val / 100 * total, 0):.0f}'

# 遍历每个列，给autopct绑定对应列的总和
axes = df.plot.pie(
    subplots=True, 
    figsize=(12, 6),
    autopct=[lambda val, total=df[col].sum(): absolute_value(val, total) for col in df.columns]
)

plt.tight_layout()
plt.show()

方式二：手动创建子图逐个绘制（更直观）

如果你想更清晰地控制每个饼图的细节，可以手动创建子图，然后为每个子图单独计算总和并绘制：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

d = {'Yes':pd.Series([825, 56], index=["Total", "Last 2 Month"]), 
     'No':pd.Series([725, 73], index=["Total", "Last 2 Month"])}
df = pd.DataFrame(d)
df = df.T

# 创建1行2列的子图
fig, axes = plt.subplots(1, 2, figsize=(12, 6))

# 遍历每个子图和对应的列
for ax, col_name in zip(axes, df.columns):
    # 获取当前列的数据
    current_data = df[col_name]
    # 计算当前饼图的总和
    total = current_data.sum()
    # 绘制饼图，autopct用当前总和计算绝对值
    ax.pie(
        current_data,
        labels=current_data.index,
        autopct=lambda val, t=total: f'{np.round(val / 100 * t, 0):.0f}'
    )
    # 给子图添加标题
    ax.set_title(col_name)

plt.tight_layout()
plt.show()

这两种方式都能让每个饼图正确显示对应的绝对值，而不是错误的整体数据计算结果。

内容的提问来源于stack exchange，提问作者yigitozmen