我来帮你搞定这个Matplotlib饼图的问题～你之前把0替换成NaN后触发cannot convert float NaN to integer错误，主要原因是你生成的列表混合了整数和浮点类型的NaN，Matplotlib在处理饼图的内部逻辑（比如索引映射、楔形位置计算）时，试图把NaN转换成整数，这就导致了报错。

下面给你两种实用的解决方案：

方案一：直接过滤零值（最稳妥的方式） #

与其折腾NaN，不如直接把零值和对应的标签一起过滤掉，这样既不会有类型问题，还能让饼图只展示有意义的数据，逻辑也更直观：

import matplotlib.pyplot as plt

# 你的原始数据和标签
values = [3, 5, 0, 3, 5, 1, 4, 0, 9]
labels = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']

# 过滤掉零值以及对应的标签
filtered_values = [val for val in values if val != 0]
filtered_labels = [labels[idx] for idx, val in enumerate(values) if val != 0]

# 绘制饼图
plt.pie(filtered_values, labels=filtered_labels, autopct='%1.1f%%')
plt.title('Pie Chart Excluding Zero Values')
plt.show()

方案二：用Numpy数组处理NaN（修复你原方法的问题） #

如果你坚持想用替换NaN的思路，换成Numpy数组就能解决类型混合的问题，Matplotlib对Numpy的NaN支持更友好：

import matplotlib.pyplot as plt
import numpy as np

values = [3, 5, 0, 3, 5, 1, 4, 0, 9]
labels = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H', 'I']

# 转成Numpy数组，统一数据类型后替换0为NaN
values_np = np.array(values, dtype=np.float64)
values_np[values_np == 0] = np.nan

# 绘制饼图，Matplotlib会自动忽略NaN值
plt.pie(values_np, labels=labels, autopct='%1.1f%%')
plt.title('Pie Chart with NaN Replacing Zeros')
plt.show()

这里的关键是用Numpy数组统一了数据类型（都是float64），避免了原方法中int和float混合的情况，所以不会触发类型转换错误。

内容的提问来源于stack exchange，提问作者sequence21