类别	内容导航
机器学习	机器学习算法应用场景与评价指标
	机器学习算法—分类
	机器学习算法—回归
	机器学习算法—聚类
	机器学习算法—异常检测
	机器学习算法—时间序列
数据可视化	数据可视化—折线图
	数据可视化—箱线图
	数据可视化—柱状图
	数据可视化—饼图、环形图、雷达图
统计学检验	箱线图筛选异常值
	3 Sigma原则筛选离群值
	Python统计学检验
大数据	PySpark大数据处理详细教程
使用教程	CentOS服务器搭建Miniconda环境
	Linux服务器配置免密SSH
	大数据集群缓存清理
面试题整理	面试题—机器学习算法
	面试题—推荐系统

---

• 饼状图：展示了四个类别（A, B, C, D）的数据，每个类别的比例标注在图中。
• 环形图：与饼状图使用相同的数据，但采用环形设计，以不同的视觉风格呈现相同的信息。
• 雷达图：展示了六个不同指标（Metric 1 至 Metric 6）的数据，以雷达图的形式展现每个指标的数值。
  这些图表可以根据您的数据和需求进行调整，以便更好地呈现信息。您可以改变数据集、标签和标题来自定义这些图表。 ​

import matplotlib.pyplot as plt
import numpy as npdef plot_pie_chart(data, labels, title="Pie Chart"):"""绘制饼状图。:param data: 包含数值的列表。:param labels: 与数据相对应的标签列表。:param title: 图表的标题。"""fig, ax = plt.subplots()ax.pie(data, labels=labels, autopct='%1.1f%%', startangle=140)ax.axis('equal')  # Equal aspect ratio ensures the pie chart is circular.plt.title(title)plt.show()# 示例数据
pie_data = [35, 25, 25, 15]
pie_labels = ['Category A', 'Category B', 'Category C', 'Category D']# 绘制图表
plot_pie_chart(pie_data, pie_labels, title="Example Pie Chart")

import matplotlib.pyplot as plt
import numpy as npdef plot_donut_chart(data, labels, title="Donut Chart"):"""绘制环形图。:param data: 包含数值的列表。:param labels: 与数据相对应的标签列表。:param title: 图表的标题。"""fig, ax = plt.subplots()ax.pie(data, labels=labels, autopct='%1.1f%%', startangle=140, pctdistance=0.85)# Draw a circle at the center of pie to make it look like a donutcentre_circle = plt.Circle((0,0),0.70,fc='white')fig = plt.gcf()fig.gca().add_artist(centre_circle)ax.axis('equal')  # Equal aspect ratio ensures the pie chart is circular.plt.title(title)plt.show()# 示例数据
pie_data = [35, 25, 25, 15]
pie_labels = ['Category A', 'Category B', 'Category C', 'Category D']# 绘制图表
plot_donut_chart(pie_data, pie_labels, title="Example Donut Chart")

import matplotlib.pyplot as plt
import numpy as npdef plot_radar_chart(data, labels, title="Radar Chart"):"""绘制雷达图。:param data: 包含数值的列表。:param labels: 与数据相对应的标签列表。:param title: 图表的标题。"""num_vars = len(labels)angles = np.linspace(0, 2 * np.pi, num_vars, endpoint=False).tolist()data += data[:1]angles += angles[:1]fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))ax.fill(angles, data, color='blue', alpha=0.25)ax.plot(angles, data, color='blue', linewidth=2)  # Draw the outline of our dataax.set_yticklabels([])ax.set_xticks(angles[:-1])ax.set_xticklabels(labels)plt.title(title, y=1.1)plt.show()# 示例数据
radar_data = [4, 5, 6, 3, 2, 5]
radar_labels = ['Metric 1', 'Metric 2', 'Metric 3', 'Metric 4', 'Metric 5', 'Metric 6']# 绘制图表
plot_radar_chart(radar_data, radar_labels, title="Example Radar Chart")