华夫饼图Waffle chart是一种独特而直观的图表，用于表示分类数据。它采用网格状排列的等大小方格或矩形，每个方格或矩形分配不同的颜色或阴影来表示不同的类别。这种可视化方法有效地传达了每个类别在整个数据集中的相对比例。本文介绍如何使用基于Python的PyWaffle库绘制华夫饼图。PyWaffle开源仓库地址见：PyWaffle，PyWaffle官方文档见：PyWaffle-docs。本文代码下载地址：Python-Study-Notes。

PyWaffle安装方式如下：

pip install -U pywaffle

# PyWaffle库依赖于matplotlib绘制图片import matplotlib.pyplot as pltfrom pywaffle import Waffle

1 使用简介

1.1 基本使用

1.1.1 基础绘图

PyWaffle库通过其Waffle类提供了一种便捷的方式来创建华夫饼图。每个类别的方格占比可以通过参数values进行设置，数据可以是列表、字典和Pandas.DataFrame结构。然后可以使用rows和columns参数来定制行数和列数。只需要指定其中一个参数，另一个参数可以根据values的总和推断出来。

# 新建绘图图像fig = plt.figure( FigureClass=Waffle, rows=5, # columns=10, values=[30, 16, 4])# 保存结果# fig.savefig("plot.png", bbox_inches="tight")plt.show()

如果value参数输入的是比例值，则必须设置rows和columns属性来定义值的显示方式。

fig = plt.figure( FigureClass=Waffle, rows=2, columns=5, values=[0.2, 0.5, 0.3])plt.show()

如果values总和与rows*columns的结果不一致，Waffle类将values解释为各部分的相对比例。

fig = plt.figure( FigureClass=Waffle, rows=5, columns=5, values=[30, 16, 4])plt.show()

当字典传递给values时，键将用作标签并显示在图例中，注意图例会默认显示。

plt.figure( FigureClass=Waffle, rows=5, values={'Cat': 30, 'Dog': 16, 'Bird': 4}, legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例)plt.show()

不显示图例。

fig = plt.figure( FigureClass=Waffle, rows=5, values={'Cat': 30, 'Dog': 16, 'Bird': 4}, legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例) # 移除legendfig.axes[0].get_legend().remove() plt.show()

1.1.2 类别比例设置

如果values的总和与rows*columns的结果不一致，Waffle类将解释values为各部分的相对比例。如下所示各个类别方块数输出为小数，小数位的取舍会导致不同的展示效果：

# nearest, ceil or floor import numpy as np target = {'Cat': 48, 'Dog': 46, 'Bird': 3, 'Fish': 9} values = np.array(list(target.values())) values_ratio = values /sum(values)# 华夫饼图结构row = 2col = 5# 各个类别方块数values_ratio * row *col

array([4.52830189, 4.33962264, 0.28301887, 0.8490566 ])

为此，Waffle类通过rounding_rule参数来处理小数位取舍问题。rounding_rule可选值为nearest(默认), ceil或floor。具体如下：

nearest

nearest表示将方块的数值四舍五入到最接近的整数。

# 各个类别方块数np.round(values_ratio * row *col, 0).astype(int)

array([5, 4, 0, 1])

np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=2, columns=5, values=target, rounding_rule='nearest', # 默认值 legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例)plt.show()

ceil

ceil表示将方块的数值向上舍入到最接近的整数。然而，在nearest和ceil模式下，方块的总和可能会超过华夫饼图的预设长度，超出预设长度的方块将不会显示。这也意味着，输入类别位置越靠后，其方块显示的数值越可能不准确。

# 各个类别方块数np.ceil(values_ratio * row *col).astype(int)

array([5, 5, 1, 1])

np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=2, columns=5, values=target, rounding_rule='ceil', # 默认值 legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例)plt.show()

floor

floor表示将方块的数值向下舍入到最接近的整数，由于这种舍入方式的特性，绘制的方块数可少于预设的数量。

# 各个类别方块数np.floor(values_ratio * row *col).astype(int)

array([4, 4, 0, 0])

np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=2, columns=5, values=target, rounding_rule='floor', # 默认值 legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例)plt.show()

如果想要在华夫饼图中完整显示所有类别，但又不希望方块数量过多，一种有效的方法是只设定rows或columns中的一个参数，然后将每个类别的数值除以最小类别的数值，以确保最少类别的方块数量为1，同时将其他类别的数值显示为相对于最少类别的比例。

target_ = target.copy()# 找到最小值min_value = min(target_.values()) # 更新字典中每个键对应的值target_ = {key: int(value / min_value) for key, value in target.items()}print(target_)

{'Cat': 16, 'Dog': 15, 'Bird': 1, 'Fish': 3}

np.round(values_ratio*10,0).astype(int) plt.figure( FigureClass=Waffle, rows=4, values=target_, legend={'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False} # 修改图例)plt.show()

1.2 样式设置

1.2.1 展示效果设置

标题、标签和图例

data = {'Cat': 30, 'Dog': 16, 'Bird': 4}fig = plt.figure( FigureClass=Waffle, rows=5, columns=10, values = data, title={ 'label': 'Example plot', 'loc': 'center', 'fontdict': { 'fontsize': 20 } }, labels=[f"{k} ({int(v / sum(data.values()) * 100)}%)" for k, v in data.items()], legend={ #'labels': [f"{k} ({v}%)" for k, v in data.items()], # labels可以在legend中设置 'loc': 'lower left', 'bbox_to_anchor': (0, -0.2), 'ncol': len(data), 'framealpha': 0, 'fontsize': 12 }, # 设置颜色条，支持Pastel1, Pastel2, Paired, Accent, Dark2, Set1, Set2, Set3, tab10, tab20, tab20b, tab20c cmap_name="Accent", facecolor='#DDDDDD', # 绘图背景色 # 也可以单独设置颜色 # colors=["#232066", "#983D3D", "#DCB732", "F12F34"] )

方块宽高比设置

参数block_aspect_ratio通过更改块的宽度与块的高度之比来控制方块的形状。默认block_aspect_ratio为1，也就是每个方块都是正方形。

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], block_aspect_ratio=1.618)

方块间距控制

参数interval_ratio_x和interval_ratio_y分别负责调节块之间的水平和垂直间距。具体来说，interval_ratio_x代表了块之间的水平间距与块宽度的比率，而interval_ratio_y则反映了块之间的垂直间距与块高度的比率。

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], interval_ratio_x=1, interval_ratio_y=0.5)

起始方块绘图位置

starting_location用于设置起始方块的位置。这个参数可输入包括 "NW（西北角、左上角）"、"SW（默认值，西南角，右下角）"、"NE（东北角，右上角）" 和 "SE（东南角，右下角）"。

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], starting_location='SE')

绘图方向

默认情况下PyWaffle逐列绘制方块，因此类别是按水平方向排列绘制的，如果按行绘制方块，则设置vertical参数为True。

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], vertical=True)

类别方块排列方式

block_arranging_style参数用于控图中各类别方块的排列方式，具体如下：

• normal: 默认方式，方块会按照常规的网格模式进行排列。
• new-line: 每个类别的方块都会从新的一行开始排列。这意味着，如果你有多个类别，每行只有一个类别的图标。
• snake: 方块会按照“蛇形”或“之字形”的模式进行排列。

# new-line排列fig = plt.figure( FigureClass=Waffle, rows=5, values=[12, 22, 20, 4], vertical=True, block_arranging_style='new-line')

# snake排列fig = plt.figure( FigureClass=Waffle, rows=5, values=[12, 22, 20, 4], block_arranging_style='snake')

1.2.2 绘图框架自定义

子图绘制

PyWaffle可以通过添加子图的方式，实现在同一张图中显示多个华夫饼图。以下是示例：

import pandas as pd# 创建一个产量表格data = pd.DataFrame( { 'labels': ['Car', 'Truck', 'Motorcycle'], 'Factory A': [44183, 12354, 3246], 'Factory B': [29198, 7678, 2556], 'Factory C': [9013, 4079, 996], },).set_index('labels')

fig = plt.figure( FigureClass=Waffle, plots={ 311: { # 311数字对应于 matplotlib中subplot 的位置编码方式，311表示一个三行一列的布局中的第一个子图 'values': data['Factory A'] / 1000, # 将实际数字转换为合理的块数 'labels': [f"{k} ({v})" for k, v in data['Factory A'].items()], 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.05, 1), 'fontsize': 8}, 'title': {'label': 'Vehicle Production of Factory A', 'loc': 'left', 'fontsize': 12} }, 312: { 'values': data['Factory B'] / 1000, 'labels': [f"{k} ({v})" for k, v in data['Factory B'].items()], 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.2, 1), 'fontsize': 8}, 'title': {'label': 'Vehicle Production of Factory B', 'loc': 'left', 'fontsize': 12} }, 313: { 'values': data['Factory C'] / 1000, 'labels': [f"{k} ({v})" for k, v in data['Factory C'].items()], 'legend': {'loc': 'upper left', 'bbox_to_anchor': (1.3, 1), 'fontsize': 8}, 'title': {'label': 'Vehicle Production of Factory C', 'loc': 'left', 'fontsize': 12} }, }, rows=5, # 应用于所有子图的外部参数，与下面相同 cmap_name="Paired", rounding_rule='ceil', figsize=(5, 5)) fig.suptitle('Vehicle Production by Vehicle Type', fontsize=14, fontweight='bold')# 说明1个方块代表多少车辆fig.supxlabel('1 block = 1000 vehicles', fontsize=8, ha='right')

Text(0.5, 0.01, '1 block = 1000 vehicles')

现有轴绘图

Pywaffle提供Waffle.make_waffle方法来在现有的matplotlib轴上绘图，而不需要重新初始化Waffle实例。

fig = plt.figure()ax = fig.add_subplot(111) ax.set_title("Axis Title", loc= "right")ax.set_aspect(aspect="equal") Waffle.make_waffle( ax=ax, # 利用现有绘图对象 rows=5, columns=10, values=[30, 16, 4], title={"label": "Waffle Title", "loc": "left"})

此外可以利用make_waffle与已定义坐标轴来显示多个数据结果。

import matplotlib.patches as mpatches data = { 2021: [175, 139, 96], 2022: [232, 187, 126], 2023: [345, 278, 195], 2024: [456, 389, 267] } df = pd.DataFrame(data,index=['cat', 'dog', 'cow']) number_of_bars = len(df.columns)colors = ["darkred", "red", "darkorange"] # Init the whole figure and axesfig, axs = plt.subplots(nrows=1, ncols=number_of_bars, figsize=(8,6),) # Iterate over each bar and create itfor i,ax in enumerate(axs): col_name = df.columns[i] values = df[col_name]/1000 Waffle.make_waffle( ax=ax, rows=20, columns=5, values=values, title={"label": col_name, "loc": "left"}, colors=colors, vertical=True, font_size=12 ) fig.suptitle('Animal Type Data Display', fontsize=14, fontweight='bold') legend_labels = df.indexlegend_elements = [mpatches.Patch(color=colors[i], label=legend_labels[i]) for i in range(len(colors))] fig.legend(handles=legend_elements, loc="upper right", title="Animal Types", bbox_to_anchor=(1.04, 0.5), framealpha = 0, fontsize=12)plt.subplots_adjust(right=0.85)plt.show()

添加其他matplotlib绘图组件

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4])fig.text( x=0.5, y=0.5, s="hello world!", ha="center", va="center", rotation=30, fontsize=40, color='black', alpha=0.3, bbox={ 'boxstyle': 'square', 'lw': 3, 'ec': 'gray', 'fc': (0.9, 0.9, 0.9, 0.5), 'alpha': 0.3 })

Text(0.5, 0.5, 'hello world!')

1.2.3 方格样式变换

Pywaffle支持字符和图标来变换方格样式。

字符

Pywaffe允许一个或多个Unicode字符来替换华夫饼图中方格的样式。可用的Unicode字符见：unicode-table。

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], colors=["#4C8CB5", "#B7CBD7", "#C0C0C0"], characters='😊Ã', # 使用两个Unicode字符来展示 font_size=24)

图标

Pywaffe允许fontawesome中的图标来替换华夫饼图中方格的样式。注意，如果是Windows系统，需要matplotlib 3.5.2及以下版本才能支持该功能。Linux系统对matplotlib版本没有限制。

import matplotlib# 查看matplotlib版本matplotlib.__version__

'3.8.3'

图标设置方式如下：

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], colors=["#FD5C46", "#9DDF3D", "#AFFBC1"], # 设置颜色 icons='person', # 设置icon font_size= 30 # 图表大小)

为每个类别设置对应的图标的方式如下所示：

fig = plt.figure( FigureClass=Waffle, rows=5, values={'Cat': 30, 'Dog': 16, 'Cow': 4}, colors=["#000077", "#139900", "#771234"], icons=['cat', 'dog', 'cow'], font_size=20, icon_legend=True, # 替换legend的标签为icon legend={ 'labels': ['CAT', 'DOG', 'COW'], 'loc': 'upper left', 'bbox_to_anchor': (1, 1), 'frameon': False, })

进一步设置图标的样式，注意并非每个FontAwesome都拥有不同的图标样式，因此在编写代码时务必进行检查。

fig = plt.figure( FigureClass=Waffle, rows=5, values=[30, 16, 4], colors=["#FFA500", "#4384FF", "#C0C0C0"], icons=['sun', 'cloud-showers-heavy', 'font-awesome'], icon_size=20, icon_style=['regular', 'solid', 'brands'], icon_legend=False, legend={ 'labels': ['Sun', 'Shower', 'Flag'], 'loc': 'upper left', 'bbox_to_anchor': (1, 1) })