Data Science for Beginners 第 11 课实战：用 Pandas 与 Matplotlib 以饼图、环形图、华夫图可视化蘑菇数据集的占比

本篇技术指南围绕数据科学入门课程第 11 课“Visualizing Proportions（可视化占比）”展开，基于仓库中的真实蘑菇数据集 data/mushrooms.csv，演示从全文本列的数据准备、groupby 分组统计，到用 Matplotlib 绘制饼图（Pie）、环形图（Donut）、用 PyWaffle 绘制华夫图（Waffle）的完整流程。读完后，你可以独立完成“按类别分组 → 计算占比 → 选择合适图表类型呈现比例”这一数据可视化的核心闭环。

课程目标与数据集

本课的核心是学习三种“占比类”（proportions）图表：

• 饼图（Pie chart）
• 环形图（Donut chart）
• 华夫图（Waffle chart）

配套课程说明见 课程 README，可交互练习在 课程 Notebook 中进行，参考答案在 solution/notebook.ipynb。

课程使用的数据集来自 Audubon 的蘑菇清单详情，涵盖 23 种伞菌科（Agaricus）和 Lepiota 属的蘑菇。仓库中的 data/mushrooms.csv 实际包含 8124 条记录和 23 个字段，导入方式如下：

import pandas as pd
import matplotlib.pyplot as plt
mushrooms = pd.read_csv('../../data/mushrooms.csv')  # 相对于课程目录的路径
mushrooms.head()

23 个字段全部为文本型描述属性：

字段	含义示例
class	可食用性：Edible / Poisonous
cap-shape、cap-surface、cap-color	菌盖形状、表面、颜色
bruises、odor	是否有淤伤、气味
gill-attachment、gill-spacing、gill-size、gill-color	菌褶附着方式、间距、大小、颜色
stalk-shape、stalk-root、stalk-surface-above/below-ring、stalk-color-above/below-ring	菌柄形状、根部、环上下表面与颜色
veil-type、veil-color	菌幕类型与颜色
ring-number、ring-type	菌环数量与类型
spore-print-color	孢子印颜色
population	生长密度：Abundant、Several、Scattered、Numerous 等
habitat	生境：Grasses、Leaves、Meadows、Paths、Urban、Waste、Wood

数据准备：把全文本列转换为 category 类型

观察前几行数据可以立即发现：整张表的数据全是文本，在绘制图表前必须先做类型转换。课程用 select_dtypes 验证了这一点：

print(mushrooms.select_dtypes(["object"]).columns)

输出显示 23 列全部为 object 类型（class、cap-shape、cap-surface……直到 habitat）。课程的做法是把所有 object 列统一转换为 category：

cols = mushrooms.select_dtypes(["object"]).columns
mushrooms[cols] = mushrooms[cols].astype('category')

转换为 category 类型是 pandas 处理高基数/低基数文本列的标准手段：它降低内存占用，并让后续分组统计的语义更清晰。

转换后，按 class 分组计数即可得到占比分析的基础数据：

edibleclass = mushrooms.groupby(['class']).count()
edibleclass

分组结果与真实数据完全吻合：Edible 4208 条，Poisonous 3916 条（合计 8124 条），即可食用蘑菇略多于有毒蘑菇，比例约为 51.8% : 48.2%。

⚠️ 课程特别强调：后面构建图表 labels 数组时，顺序必须与分组结果中类别出现的顺序一致，否则标签和数据会错位。务必核对分组表的行序再写标签。

饼图（Pie）：最直观的占比展示

直接用分组结果的 population 列绘制饼图：

labels = ['Edible', 'Poisonous']
plt.pie(edibleclass['population'], labels=labels, autopct='%.1f %%')
plt.title('Edible?')
plt.show()

各参数要点：

• x 数据：edibleclass['population']，即按 class 分组后各列的计数（每个类别下所有非空计数相同，取哪一列都一样，取 population 仅为习惯）；
• labels：两个类别名，顺序对应分组结果；
• autopct='%.1f %%'：在每个扇区上自动标注百分比，保留 1 位小数；
• plt.title('Edible?')：图表标题。

这张饼图直观展示了蘑菇数据集中两类蘑菇的比例分布。

环形图（Donut）：饼图的“挖孔”变体

环形图本质上是中间留了个洞的饼图，视觉上更清爽，中心区域还能放汇总信息。课程用蘑菇的**生境（habitat）**字段来演示。

先按生境分组：

habitat = mushrooms.groupby(['habitat']).count()
habitat

分组后共 7 个生境类别，作为环形图的标签：

labels = ['Grasses', 'Leaves', 'Meadows', 'Paths', 'Urban', 'Waste', 'Wood']

plt.pie(habitat['class'], labels=labels,
        autopct='%1.1f%%', pctdistance=0.85)

center_circle = plt.Circle((0, 0), 0.40, fc='white')
fig = plt.gcf()

fig.gca().add_artist(center_circle)

plt.title('Mushroom Habitats')
plt.show()

关键实现细节：

1. plt.pie 先画好完整饼图；
2. plt.Circle((0, 0), 0.40, fc='white') 创建一个以原点为圆心、半径 0.40、白色填充的圆；
3. fig.gca().add_artist(center_circle) 把这个圆叠加到当前坐标轴上，把饼图中心“盖住”，从而形成环形效果。

修改 0.40 这个半径值即可调整环的粗细——半径越大环越细，越小环越宽。pctdistance=0.85 控制百分比文字离圆心的距离（0 为中心、1 为边缘）。课程还提示可参考 Matplotlib 官方文档中关于饼图/环形图标签美化的示例来进一步提升可读性。

对照 data/mushrooms.csv 的实际分布，各生境占比为：Wood 3148（约 38.7%）、Grasses 2148（26.4%）、Paths 1144（14.1%）、Leaves 832（10.2%）、Urban 368（4.5%）、Meadows 292（3.6%）、Waste 192（2.4%）——森林是绝对优势生境。

华夫图（Waffle）：用 2D 方块数组表达数量比例

华夫图把数量按比例拆成网格中的小方块，是另一种“看占比”的方式。课程用蘑菇的**菌盖颜色（cap-color）**做演示，需要先安装辅助库 PyWaffle：

pip install pywaffle

先选出要分组的数据段：

capcolor = mushrooms.groupby(['cap-color']).count()
capcolor

菌盖颜色共 9 种，实际计数为：Brown 2284、Green 1856、Red 1500、Yellow 1072、White 1040、Buff 168、Pink 144、Cinnamon 44、Purple 16。构建华夫图：

import pandas as pd
import matplotlib.pyplot as plt
from pywaffle import Waffle

data = {'color': ['brown', 'buff', 'cinnamon', 'green', 'pink', 'purple', 'red', 'white', 'yellow'],
        'amount': capcolor['class']}

df = pd.DataFrame(data)

fig = plt.figure(
    FigureClass=Waffle,
    rows=100,
    values=df.amount,
    labels=list(df.color),
    figsize=(30, 30),
    colors=["brown", "tan", "maroon", "green", "pink", "purple", "red", "whitesmoke", "yellow"],
)

参数说明：

• FigureClass=Waffle：让 Matplotlib 用 Waffle 类作为图形类渲染，而不是普通 Axes；
• rows=100：网格共 100 行（配合内部自动推算列数），数值按总量等比铺满；
• values=df.amount：各颜色类别的实际计数；
• labels / colors：类别标签与对应颜色，两者顺序必须一一对应（brown→brown、buff→tan、white→whitesmoke 等）；
• figsize=(30, 30)：正方形大画布，保证方块清晰。

从图上可以一眼看出棕色（Brown）与绿色（Green）菌盖占绝对多数——课程也特别点出“绿盖蘑菇非常多”这一反直觉的发现。PyWaffle 还支持用 Font Awesome 图标替代方块，可以把华夫图做得更生动，值得自行实验。

如何选择：饼图、环形图还是华夫图

课程的 Review & Self Study 部分指出，三者何时使用并非总是显而易见，并给出了多篇对比文章供延伸阅读（饼图 vs 环形图的优劣对比、Waffle 图的正确用法等）。结合本课实践，可归纳为一条简单的选择逻辑：

图表	适用场景	注意点
饼图	2～6 个大类、强调“部分占整体”	类别太多会难以辨认；标签顺序必须与数据顺序一致
环形图	同饼图，但需要更现代的观感或中心放置标题/汇总	洞半径（如 0.40）决定环宽，pctdistance 控制百分比位置
华夫图	想让非专业读者用“数格子”的直觉感受数量比例	依赖 PyWaffle；适合总量可平铺成 100/1000 格的场景

三者共同的前提都是：先把数据 groupby 到目标类别上，统计出每类计数，再决定用哪种图呈现。这就是本课总结的核心工作流——“group → count → 选图 → 绘制”，读完这张图用户就能瞬间获得数据集的比例快照。

练习与延伸

• 🚀 课程挑战：用 Microsoft Research 的 Charticulator（拖拽式数据可视化工具，其教程同样使用本蘑菇数据集）重绘本课图表；
• 课后作业：assignment.md 要求在 Excel 中自选一份数据，制作饼图、环形图、华夫图三种图表，评分标准以图表数量分级（三个满分）；
• 动手验证：本课全部代码均可在 课程 Notebook 中逐步运行，完成后可与 solution/notebook.ipynb 中的实现逐 cell 对照，确认饼图、环形图、华夫图三种输出。