企业官网建设流程全解析

Data-Science-For-Beginners 第 11 课作业实战：在 Excel 中绘制饼图、甜甜圈图与华夫图

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners

本篇指南围绕translations/fa/3-Data-Visualization/11-visualization-proportions/assignment.md（即第 11 课"可视化比例"的配套作业）展开，任务核心是：使用你手头的任意数据集，在 Excel 电子表格中直接创建饼图（Pie）、甜甜圈图（Donut）与华夫图（Waffle）三种比例可视化图表。文中将以本仓库提供的蘑菇数据集为例，完整继承作业指令与评分标准，并结合主课文的 Python 实现（3-Data-Visualization/11-visualization-proportions/README.md）与配套数据集，给出可复制、可运行的完整操作方案。读完本篇，你将掌握三种比例图的核心思想与在 Excel 中的实现路径，并能对照评分标准自查提交质量。

一、作业背景：第 11 课与蘑菇数据集

第 11 课"可视化比例"（Visualizing Proportions）的核心内容是：使用一份与自然相关的数据集，可视化类别占比，例如蘑菇数据集中不同种类真菌的数量分布。课程使用的数据集来自 data/mushrooms.csv，记录了 Audubon 整理的、隶属于 Agaricus 与 Lepiota 两个科的 23 种菌褶蘑菇的详细特征。对仓库中该 CSV 的实际校验显示：数据集共 8124 条记录、23 个特征列（class、cap-shape、cap-surface、cap-color、bruises、odor、habitat等），全部为文本型取值。

主课文先用 Python 完成了三种图表的演示，作业则要求你脱离 Python，把同样的三类图搬进 Excel。这是一个典型的"理解可视化本质后跨工具复现"的训练：比例可视化的关键并不在于工具，而在于先把数据按类别分组，再选择最合适的展示形态。

二、作业要求解读

作业原文（波斯语版，英文原版见 3-Data-Visualization/11-visualization-proportions/assignment.md）给出的指令非常明确：

你知道吗，你可以直接在 Excel 中创建甜甜圈图、饼图和华夫图？使用一个你自选的数据集，直接在 Excel 工作表中创建这三种图表。

拆解下来，作业包含三个递进步骤：

1. 选定数据集：可以是本仓库的data/mushrooms.csv，也可以是任何你熟悉、字段适合做分类统计的数据；
2. 用 Excel 创建饼图、甜甜圈图、华夫图各一张：三张图都应来自同一份数据，体现不同类别之间的数量占比；
3. 完成自评：对照下表（即作业附带的评分标准）判断自己的成果等级。

评分标准是本次作业质量的核心依据，原表内容如下，必须完整对照：

从评分标准可以清晰看到：三种图表齐全 = 优秀，缺一张 = 合格，只画一张 = 需要改进。因此提交前务必逐项核对图表的种类完整性。

三、数据准备：先按类别做汇总（沿用主课文思路）

无论使用什么工具，比例图之前都需要"计数"。主课文在 Python 中是这样做的（见 3-Data-Visualization/11-visualization-proportions/README.md）：

import pandas as pd import matplotlib.pyplot as plt mushrooms = pd.read_csv('../../data/mushrooms.csv') mushrooms.head()

由于所有特征都是文本对象，先将其转换为category类型，再按类别分组计数：

cols = mushrooms.select_dtypes(["object"]).columns mushrooms[cols] = mushrooms[cols].astype('category') edibleclass = mushrooms.groupby(['class']).count()

分组计数后的结果（对仓库数据实测）：Edible4208 条、Poisonous3916 条，合计 8124 条。同理可对habitat（栖息地，7 类）与cap-color（菌盖颜色，9 类）分组。作业中所有 Excel 图表都应基于这类分组计数结果，而不是原始明细行——比例图展示的是"每一类占多少"，而不是"每一行是什么"。

四、Excel 实操：三种比例图的实现路径

4.1 饼图（Pie Chart）

饼图用扇形角度表示占比，最适合类别数量较少（2～7 类）的场景。在 Excel 中，饼图是原生内置图表，操作路径如下：

1. 在 Excel 工作表中准备两列数据：一列是类别标签（如Edible、Poisonous），一列是计数结果（如4208、3916）；
2. 选中这两列数据 → 菜单栏选择「插入」→ 在图表区域选择「饼图」；
3. 右键图表可添加「数据标签」，勾选"百分比"即可显示各扇区占比。

以蘑菇的食用性分类为例，饼图会直接呈现 4208 条可食与 3916 条有毒的占比关系。主课文中对应的 Python 实现如下，注意labels 数组的顺序必须与分组结果的索引顺序一致，这是饼图最常见的错误来源：

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

在 Excel 中同样要注意：类别列与数值列的对应关系不能错位，Excel 会按所选区域的行序自动配对标签与数值。

下图为主课文生成的饼图效果示例（pie1-wb.png）：

4.2 甜甜圈图（Donut Chart）

甜甜圈图本质是"中间挖洞的饼图"，在视觉上更轻巧，也更方便在中心区域放置汇总信息（如总数或标题）。在 Excel 中它被称为环形图（Doughnut Chart），同样是原生图表类型：

1. 沿用上一节准备好的"类别 + 计数"两列数据；
2. 选中数据 → 「插入」→ 在图表区域选择「环形图」；
3. 环形图的"洞径"可以通过右键图表 →「设置数据系列格式」调整环宽；环越细，中间可容纳的文字区域越大。

主课文用蘑菇的 7 种栖息地数据制作甜甜圈图，Python 实现如下：先分组得到 7 个栖息地类别，再绘制饼图并叠加一个白色中心圆来"挖洞"：

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

其中plt.Circle((0, 0), 0.40, fc='white')的半径参数0.40决定了中心洞的大小——把 0.40 改大，洞变宽、环形变细；改小则相反。在 Excel 环形图中，这一参数对应"设置数据系列格式"里的环宽百分比，二者是同一视觉概念的不同表达。

对仓库数据实测，7 类栖息地的计数为：Wood3148、Grasses2148、Paths1144、Leaves832、Urban368、Meadows292、Waste192，可作为作业示例数据的直接来源。

下图为主课文生成的甜甜圈图效果示例（donut-wb.png）：

4.3 华夫图（Waffle Chart）

华夫图用"二维网格中的方格数量"来表示数量——100 个格子代表整体 100%，每个类别占据的格子数与其占比成正比。它的视觉冲击力强，特别适合展示"整体由哪几部分组成"以及"某一部分特别突出"的信息。

需要说明的是：Excel 没有原生内置的华夫图图表类型，通常通过以下方式实现（通用做法）：

1. 先按主课文的思路准备好类别计数（例如cap-color的 9 类颜色及其计数）；
2. 在工作表空白区域搭建一个 10×10（或 20×5）的方格矩阵；
3. 用公式（如IF函数结合累计占比）或「条件格式」的色阶/图标集规则，让每个格子依据其落入的类别区间显示对应颜色；
4. 也可以借助支持该图表类型的第三方加载项，或使用 Excel 的「Power Query + 条件格式」组合方案。

主课文的 Python 实现需要先安装辅助库 PyWaffle，然后分组并绘制：

pip install pywaffle

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

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"], )

其中rows = 100表示网格的行数（这里 100 行构成一个大的比例矩阵），values传入各类别的计数，colors列表与labels一一对应。对仓库数据实测，cap-color的 9 类计数为：Brown2284、Green1856、Red1500、Yellow1072、White1040、Buff168、Pink144、Cinnamon44、Purple16——绿色菌盖的蘑菇数量出人意料地多，这正是华夫图一眼就能传达的信息。

下图为主课文生成的华夫图效果示例（waffle.png）：

五、对照评分标准自查与提交要点

完成三种图表后，按作业自带的评分标准逐项检查：

• 图表种类是否齐全：工作表中应同时存在饼图、环形图（甜甜圈图）、华夫图三张图。若只画出两张为"合格"，仅一张则为"需要改进"；
• 数据是否来自同一个数据集：作业允许自选数据集，但三种图应来自同一份数据源，体现"同一数据、三种视角"的设计意图；
• 比例语义是否正确：饼图与环形图应基于分组计数而非原始明细；华夫图格子数与占比应成比例，避免误导读者；
• 标签与图例是否完整：每张图都应能无歧义地读出"每个扇区/每类颜色代表什么类别、占比多少"。

建议把三张图放在同一个工作表的相邻区域，并用单元格批注或说明文字标注各自对应的分组字段（如class、habitat、cap-color），方便评审快速理解。

六、延伸与挑战

主课文在结尾给出了一个延伸挑战：尝试用拖拽式可视化工具 Charticulator 重新创作这三种"美味"的图表，并提醒——PyWaffle 支持在格子中使用图标（基于 Font Awesome 图标库）代替纯色方格，让华夫图更具表现力。如果你完成了 Excel 版本，可以尝试：

• 用蘑菇数据集的odor（气味）或population（种群规模）字段再做一个分组计数，生成新的饼图或环形图；
• 将华夫图升级为"图标华夫图"，用蘑菇或叶子图标替代纯色方格；
• 对比三种图表在"传达同一占比信息"时的直观性差异，思考"什么时候该用饼图、什么时候该用环形图、什么时候该用华夫图"。

主课文配套的完整可运行示例位于 solution/notebook.ipynb，其中逐格复现了数据加载、饼图、栖息地环形图与菌盖颜色分组计数的完整过程，可作为你作业中数据分组逻辑的参考答案。

七、小结

本次作业的核心方法论与主课文一致：比例可视化的第一步永远是把数据按类别分组计数，第二步才是选择展示形态。饼图适合少量类别的占比对比，甜甜圈图（环形图）在视觉上更轻、中心可承载汇总信息，华夫图则以"格子即比例"的方式呈现数量构成。把这三者在 Excel 中亲手实现一遍，你就能做到"无论工具如何切换（Python 与 Excel），比例可视化的思路始终如一"，这也是第 11 课设置这份作业的用意所在。

【免费下载链接】Data-Science-For-Beginners10 Weeks, 20 Lessons, Data Science for All!项目地址: https://gitcode.com/GitHub_Trending/da/Data-Science-For-Beginners