python 分析样本集饼状图

您可以使用Python的matplotlib库来绘制饼状图。以下是一个简单的示例代码，演示如何使用matplotlib绘制饼状图：

import matplotlib.pyplot as plt

# 样本数据
labels = ['类别1', '类别2', '类别3', '类别4']
sizes = [15, 30, 45, 10]  # 样本数量

# 绘制饼状图
plt.pie(sizes, labels=labels, autopct='%1.1f%%')

# 设置图表标题
plt.title('样本集饼状图')

# 展示图表
plt.show()

在这个例子中，`labels`是每个类别的标签，`sizes`是每个类别的样本数量。`plt.pie()`函数用于绘制饼状图，`labels`参数用于设置每个扇区的标签，`autopct`参数用于设置百分比的显示格式。最后使用`plt.title()`设置图表的标题，`plt.show()`展示图表。

您可以根据实际的样本数据进行修改和调整，以满足您的需求。

相关问题

python 绘制数据集样本数量分布饼状图

您可以使用Python中的Matplotlib库来绘制数据集样本数量分布的饼状图。以下是一个示例代码：

import matplotlib.pyplot as plt

# 数据集样本数量
sample_counts = [100, 200, 150, 50]

# 数据集标签
labels = ['Class A', 'Class B', 'Class C', 'Class D']

# 绘制饼状图
plt.pie(sample_counts, labels=labels, autopct='%1.1f%%')

# 添加图表标题
plt.title('Distribution of Sample Counts')

# 显示图表
plt.show()

在上述代码中，您需要替换`sample_counts`和`labels`为您实际的数据集样本数量和标签。`autopct`参数用于显示每个扇形的百分比值。

运行上述代码后，将会显示一个饼状图，展示数据集样本数量的分布情况。

python 划分测试集和训练集并绘制测试集和训练集的样本饼状图

要划分测试集和训练集，并绘制它们的样本饼状图，您可以使用Python中的scikit-learn库来完成。以下是一个示例代码：

import matplotlib.pyplot as plt
from sklearn.model_selection import train_test_split

# 样本集数据
labels = ['类别A', '类别B', '类别C', '类别D']
sizes = [25, 30, 15, 30]  # 样本集各类别的数量

# 划分训练集和测试集
train_sizes, test_sizes = train_test_split(sizes, test_size=0.3, random_state=42)

# 饼状图设置
colors = ['yellowgreen', 'gold', 'lightskyblue', 'lightcoral']
explode = (0.1, 0, 0, 0)

# 绘制训练集饼状图
plt.subplot(1, 2, 1)
plt.pie(train_sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90)
plt.title("训练集样本分布")

# 绘制测试集饼状图
plt.subplot(1, 2, 2)
plt.pie(test_sizes, explode=explode, labels=labels, colors=colors, autopct='%1.1f%%', shadow=True, startangle=90)
plt.title("测试集样本分布")

# 调整子图间距
plt.subplots_adjust(wspace=0.5)

# 显示图形
plt.axis('equal')
plt.show()

在代码中，首先定义了样本集的标签和数量，然后使用`train_test_split`函数将样本集划分为训练集和测试集。接下来，设置饼状图的颜色、突出显示等参数，并分别绘制训练集和测试集的饼状图。最后，使用`subplots_adjust`函数调整子图之间的间距，并展示图形。

请根据您的实际样本集数据进行相应的修改，并运行代码，将会显示训练集和测试集的样本饼状图。