Summary  
This chapter covers using the pie() function to create pie charts with labeled segments and formatted percentage annotations via the autopct parameter.  

General domain of usage  
Data visualization  

**Sektordiagram** er et diagram som bruker en sirkel delt inn i sektorer (segmenter) for å representere den numeriske andelen (prosentfordeling) av nominelle data.


Definisjon

Dette diagrammet viser prosentfordelingen av befolkningen etter region.



Selv om **sektordiagrammer** ser ryddige ut, bør de for det meste unngås, siden de forvrenger visningen av dataene. En kategori med mange forekomster vil virke enda større, mens en kategori med få forekomster vil virke enda mindre.

Merk

## Sektordiagram med etiketter

Bruk funksjonen `pie()` fra `pyplot`-modulen for å lage et sektordiagram. Dens eneste **påkrevde** parameter er dataene (`x`).

Parameteren `labels` tildeler etiketter til hvert segment og skal være en **sekvens av strenger**.


import pandas as pd

url = 'https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/population.csv'
population_df = pd.read_csv(url)

print(population_df)

Denne `DataFrame` inneholder befolkningen i hver region.

import matplotlib.pyplot as plt
import pandas as pd
population_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/population.csv')
# Creating a pie chart and setting the labels for each region 
plt.pie(population_df['Population'], labels=population_df['Region'])
plt.show()

Funksjonen `pie()` ble kalt med `Series`-objektet for befolkningsdata som `x`-parameter, og `Series`-objektet med regionnavn som segmentetiketter ved bruk av `labels`-parameteren.


## Legge til prosentandeler

For å vise **prosentandelen** til hvert segment, bruk parameteren `autopct` i funksjonen `pie()`. Denne styrer hvordan prosentene formateres og vises inne i diagrammet.

Den aksepterer enten en formatstreng eller en funksjon. Her fokuseres det på bruk av **formatstreng**.


import matplotlib.pyplot as plt
import pandas as pd

population_df = pd.read_csv('https://content-media-cdn.codefinity.com/courses/47339f29-4722-4e72-a0d4-6112c70ff738/population.csv')

# Setting the label for each region and its percentage
plt.pie(population_df['Population'], labels=population_df['Region'], autopct='%1.1f%%')

plt.show()

## Formatstreng

Strengen `%1.1f%%` formaterer prosentverdiene som vises i kakediagrammet.

* `%f` betyr at verdien er et flyttall;
* `.1` angir ett siffer etter desimaltegnet;
* Dobbel `%` sørger for at prosenttegnet vises i utdataen.




Hvis du ønsker å utforske flere parametere, finner du <a href="https://matplotlib.org/stable/api/_as_gen/matplotlib.axes.Axes.pie.html" target="_blank"><svg width="1em" height="1em" viewBox="0 0 30 32" fill="none" xmlns="http://www.w3.org/2000/svg"><path fill="none" stroke="#098f67" style="stroke: var(--color1, #098f67)" stroke-linejoin="miter" stroke-linecap="round" stroke-miterlimit="4" stroke-width="2.4156" d="M17.289 17.305v0c-1.754 1.754-4.597 1.754-6.351 0l-7.76-7.759c-1.755-1.755-1.755-4.601 0-6.356v0c1.753-1.753 4.595-1.756 6.351-0.005l6.208 6.187"></path><path fill="none" stroke="#098f67" style="stroke: var(--color1, #098f67)" stroke-linejoin="miter" stroke-linecap="round" stroke-miterlimit="4" stroke-width="2.4156" d="M12.504 13.97v0c1.754-1.754 4.597-1.754 6.351 0l7.762 7.762c1.754 1.754 1.754 4.597 0 6.351v0c-1.754 1.754-4.597 1.754-6.351 0l-5.953-5.953"></path></svg> <code>pie()</code>-dokumentasjonen</a> her.

Studer mer

import unittest
import ast
import inspect
import re  # Додали модуль для регулярних виразів
import user_code  # Replace with actual module if needed


def _dynamic_test(test_case, condition, success_message, failure_message):
    if condition:
        test_case._testMethodName = success_message
        test_case.assertTrue(True, success_message)
    else:
        test_case._testMethodName = failure_message
        test_case.fail(failure_message)


class TestPieChart(unittest.TestCase):

    @classmethod
    def setUpClass(cls):
        source = inspect.getsource(user_code)
        cls.tree = ast.parse(source)

        # Extract all function calls to pie
        cls.pie_calls = [
            node for node in ast.walk(cls.tree)
            if isinstance(node, ast.Call)
            and isinstance(node.func, ast.Attribute)
            and node.func.attr == 'pie'
        ]

    def test_pie_function_used(self):
        _dynamic_test(
            self,
            len(self.pie_calls) > 0,
            "Correct function plt.pie() is used",
            "Missing call to plt.pie()"
        )

    def test_incomes_used_as_data(self):
        try:
            call = self.pie_calls[0]
            arg_name = call.args[0].id if isinstance(call.args[0], ast.Name) else None
            _dynamic_test(
                self,
                arg_name == 'incomes',
                "First argument to plt.pie() is 'incomes'",
                f"First argument to plt.pie() is not 'incomes' but '{arg_name}'"
            )
        except Exception:
            self.fail("Couldn't parse the first argument of plt.pie()")

    def test_labels_argument_is_names(self):
        try:
            call = self.pie_calls[0]
            labels_kw = next((kw for kw in call.keywords if kw.arg == 'labels'), None)
            label_value = labels_kw.value.id if isinstance(labels_kw.value, ast.Name) else None
            _dynamic_test(
                self,
                label_value == 'names',
                "labels argument is correctly set to 'names'",
                f"labels argument is not set to 'names' but '{label_value}'"
            )
        except Exception:
            self.fail("labels keyword argument is missing or malformed")

    def test_autopct_format(self):
        try:
            call = self.pie_calls[0]
            autopct_kw = next((kw for kw in call.keywords if kw.arg == 'autopct'), None)
            value = autopct_kw.value.s if isinstance(autopct_kw.value, ast.Str) else None
            
            # ВИКОРИСТОВУЄМО REGEX
            # ^ - початок, % - символ %, \d* - будь-які цифри (або без них), 
            # \.1f - крапка і 1f, %% - символ відсотка в кінці
            pattern = r'^%\d*\.1f%%$'
            
            is_valid = bool(re.match(pattern, value)) if value else False
            
            _dynamic_test(
                self,
                is_valid,
                "autopct format correctly specifies one decimal place (.1f)",
                f"autopct format '{value}' is incorrect. Expected format like '%.1f%%', '%1.1f%%', etc."
            )
        except Exception:
            self.fail("autopct keyword argument is missing or malformed")


if __name__ == '__main__':
    unittest.main()

test_pie.py

Data finnes overalt rundt oss, og det er svært viktig å kunne tolke det. Visualisering hjelper deg å håndtere data ved å finne bestemte mønstre og innsikter. Du vil utvikle et solid grunnlag i datavisualisering ved bruk av Python og dets biblioteker, som matplotlib og seaborn, for å hente ut mest mulig informasjon fra data på en ryddig og presis måte.

Oppdag det grunnleggende innen datavisualisering med Matplotlib. Lær om kjernebegrepene, utforsk fordelene, og lag din første enkle graf med dette grunnleggende biblioteket for plotting.

Behersk visualisering av data gjennom de mest populære diagramtypene. Lær å bygge linje-, punkt- og stolpediagrammer for å formidle innsikt fra dataene dine på en tydelig måte.

Lær å gjøre diagrammene dine mer informative og visuelt tiltalende. Legg til titler, forklaringer, farger og rutenett, og oppdag hvordan du effektivt kan arrangere flere delplott.

Utforsk statistiske visualiseringer som hjelper med å analysere datadistribusjoner og mønstre. Lag histogrammer, boksdiagrammer og sektordiagrammer for å avdekke dypere statistiske innsikter.

Ta visualiseringsevner til neste nivå med Seaborn. Lag avanserte diagrammer som countplot, KDE, pair plot og heatmap, samtidig som du mestrer Seaborns elegante stil og tilpasningsmuligheter.

Sektordiagram

Sektordiagram med etiketter

Legge til prosentandeler

Formatstreng

Løsning