Python Pie Chart: Pandas और Matplotlib के साथ बनाएँ और स्टाइल करें

Pie charts अनुपातों को विज़ुअलाइज़ करने के लिए सबसे लोकप्रिय प्लॉट्स में से एक हैं। आप शायद अब तक इन्हें जानते होंगे, लेकिन यदि नहीं, तो बस एक बड़ी पाई या गोल स्विस चीज़ की कल्पना करें, जिसे अलग-अलग आकार के टुकड़ों में काटा गया हो। 

Python pie charts बनाने के कई तरीके देता है। इस ट्यूटोरियल में, हम Matplotlib और Pandas—Python की दो सबसे लोकप्रिय डेटा विश्लेषण लाइब्रेरी—का उपयोग करके pie charts बनाना सीखेंगे। हम लेख को विधि के आधार पर संरचित करेंगे ताकि आप अपने वर्कफ़्लो के अनुरूप दृष्टिकोण और सिंटैक्स पर ध्यान केंद्रित कर सकें। 

इन तरीकों के अलावा, हम pie charts की एन्हांसमेंट, troubleshooting, accessibility, और usability के लिए कुछ सुझाव भी देंगे। अंत में, हम उन चार्ट विकल्पों पर भी विचार करेंगे जो कुछ परिदृश्यों में pie charts से अधिक उपयुक्त हो सकते हैं।

Python में Pie Charts बनाने के तरीके 

मैं आपको Python pie chart बनाने के दो अलग-अलग तरीके दिखाऊँगा, और आप स्वयं तय कर सकते हैं कि आपको कौन-सा तरीका पसंद है। दोनों ही लोकप्रिय और अच्छे विकल्प हैं, इसलिए आप किसी में भी गलत नहीं होंगे। 

विधि 1: Matplotlib के साथ Pie charts

आइए Matplotlib के साथ pie chart बनाना समझना शुरू करें। 

इस सेक्शन के लिए, हम DataCamp कोर्स कैटलॉग में उपलब्ध विभिन्न कोर्सों के डेटा का विश्लेषण करेंगे, जिसे आप यहाँ पा सकते हैं। (मैंने कैटलॉग देखा और प्रत्येक टेक्नोलॉजी में उपलब्ध कोर्सों की संख्या गिनी और इस जानकारी के साथ एक तालिका बनाई।)

चार्ट कैसे बनाएँ

अपना पहला pie chart Matplotlib से बनाने के लिए, हम plt.pie() फ़ंक्शन का उपयोग कर सकते हैं। हम विभिन्न डेटा और AI टेक्नोलॉजी के लिए उपलब्ध कोर्सों की संख्या की एक सूची (जो प्रत्येक वेज का आकार दर्शाती है) के साथ-साथ टेक्नोलॉजी के नामों की दूसरी सूची का उपयोग करेंगे, जिसे labels पैरामीटर के माध्यम से चार्ट में शामिल किया जाएगा। वैकल्पिक रूप से, हम अलग लीजेंड जोड़ने के लिए plt.legend() का उपयोग कर सकते हैं।

हमेशा की तरह, Matplotlib प्लॉट को सही तरीके से दिखाने के लिए अपने कोड के अंत में plt.show() चलाना न भूलें।

import pandas as pd
import matplotlib.pyplot as plt

courses = [164, 127, 31, 31,12, 11]
labels = ['Python','R','SQL','Power BI','Excel','ChatGPT']
dictionary = {'courses':courses, 'labels':labels}
python_pie_chart_df = pd.DataFrame(dictionary)

plt.pie(x = python_pie_chart_df.courses, labels = python_pie_chart_df.labels)
plt.show()

plt.pie(x = python_pie_chart_df.courses)
plt.legend(labels = python_pie_chart_df.labels, loc = [0.95,0.35])
plt.show()

इसके अलावा, हम autopct पैरामीटर का उपयोग करके प्रत्येक वेज का प्रतिशत भी शामिल कर सकते हैं। निम्न उदाहरण में, हम एक दशमलव तक वेज का आकार शामिल करते हैं।

plt.pie(x = python_pie_chart_df.courses, labels = python_pie_chart_df.labels, autopct='%1.1f%%') 
plt.show()

चार्ट को कैसे अनुकूलित करें

Matplotlib में pie charts और उनके स्लाइस अत्यधिक अनुकूलन योग्य हैं। आइए देखें कि pie.plot() फ़ंक्शन कौन-कौन से विकल्प देता है। 

स्लाइस का रंग बदलने के लिए हम colors पैरामीटर का उपयोग कर सकते हैं। हम इस पैरामीटर का उपयोग अपने चार्ट पर DataCamp की रंग पैलेट लागू करने के लिए करेंगे। 

datacamp_palette = ['#03ef62','#06bdfc','#ff6ea9','#ff931e','#ff5400','#7933ff']
plt.pie(x = python_pie_chart_df.courses, labels = python_pie_chart_df.labels, colors = datacamp_palette, autopct='%1.1f%%')
plt.show()

काफी बेहतर लग रहा है, है न? लेकिन हम अपने pie chart को कस्टमाइज़ करने के लिए बहुत कुछ और भी कर सकते हैं। उदाहरण के लिए, हम labeldistance और pctdistance पैरामीटर का उपयोग करके लेबल और प्रतिशत की दूरी से खेल सकते हैं, और startangle पैरामीटर से स्लाइसिंग शुरू करने का कोण चुन सकते हैं।

plt.pie(x = python_pie_chart_df.courses, labels = python_pie_chart_df.labels, colors = datacamp_palette, autopct='%1.1f%%', 
pctdistance= 0.8, labeldistance=1.1, startangle=180)

plt.show()

अंत में, मान लें कि आप एक प्रस्तुति दे रहे हैं और R कोर्स पर फोकस करना चाहते हैं। इसे हाइलाइट करने का एक बढ़िया तरीका है उस वेज को explode पैरामीटर का उपयोग करके बाहर निकालना, इस प्रकार:

explode = (0, 0.1, 0, 0, 0, 0)  # only "explode" the 2nd slice (i.e. 'R')

plt.pie(x = python_pie_chart_df.courses, labels = python_pie_chart_df.labels, 
        colors = datacamp_palette, autopct='%1.1f%%', 
        pctdistance= 0.8, labeldistance=1.1, 
        startangle=180, explode=explode)

plt.show()

चार्ट कैसे सेव करें

Pie chart बनाने के बाद, आप इसे अपने सहयोगियों के साथ साझा करने के लिए तैयार हैं। आप plt.savefig() फ़ंक्शन का उपयोग कर सकते हैं, जो फ़ाइल नाम को इनपुट के रूप में लेता है और आपको .png, .jpg, .svg, या .pdf जैसे विभिन्न फ़ॉर्मैट में सेव करने देता है। इसके अतिरिक्त, आप dpi का उपयोग करके इमेज का रेज़ोल्यूशन बदल सकते हैं। 

यहाँ एक उदाहरण है कि .jpg फ़ॉर्मैट में 200 डॉट्स प्रति इंच के साथ अपना pie प्लॉट कैसे सेव करें।

plt.pie(x = df.courses, labels = df.labels, 
        colors = datacamp_palette, autopct='%1.1f%%', 
        pctdistance= 0.8, labeldistance=1.1, 
        startangle=180, explode=explode)

plt.savefig('demo.jpg', dpi =200)

Matplotlib में विज़ुअलाइज़ेशन को सही तरीके से सेव करने के बारे में और जानने के लिए हमारा Introduction to Data Visualization with Matplotlib कोर्स देखें।

विधि 2: Pandas के साथ Pie charts

अब जब आप Matplotlib से pie chart बनाना जान गए हैं, तो देखते हैं कि Pandas में यह कैसे काम करता है।

चार्ट कैसे बनाएँ

Pandas में plot() मेथड होता है, जिसका उपयोग कई प्रकार के प्लॉट ड्रॉ करने में किया जा सकता है। यह मेथड Pandas में DataFrame और Series दोनों ऑब्जेक्ट्स पर काम करता है। plot() मेथड में kind आर्गुमेंट आपको प्लॉट के प्रकार को निर्दिष्ट करने में मदद करता है। हमारे मामले में, आप kind ='pie' का उपयोग करके pie chart बना सकते हैं। आप प्रत्येक वेज में नाम शामिल करने के लिए labels पैरामीटर और प्रत्येक स्लाइस के प्रतिशत जोड़ने के लिए autopct पैरामीटर जोड़ सकते हैं।

python_pie_chart_df['courses'].plot(kind='pie', labels=python_pie_chart_df['labels'], autopct='%1.1f%%')
plt.show()

चार्ट को कैसे अनुकूलित करें

Pandas का plot() मेथड तेज़ी से प्लॉटिंग का साधन देता है, लेकिन कस्टमाइज़ेशन विकल्प सीमित हैं। सौभाग्य से, यह मेथड बैकएंड के रूप में Matplotlib का उपयोग करता है, यानी आप मेथड के बाहर Matplotlib सिंटैक्स का उपयोग करके अपनी विज़ुअलाइज़ेशन को कस्टमाइज़ कर सकते हैं। नीचे, आप Pandas और Matplotlib को जोड़कर एक उदाहरण देख सकते हैं।

ax= python_pie_chart_df['courses'].plot(kind='pie', labels=python_pie_chart_df['labels'], autopct='%1.1f%%', 
                       colors=datacamp_palette, figsize=(5,5))

ax.set_title('Pie Chart DatataCamp Courses')
ax.set_ylabel(None)

plt.show()

चार्ट कैसे सेव करें

Pandas में pie charts सेव करना बिल्कुल Matplotlib जैसा ही है, क्योंकि Pandas अंदर से Matplotlib पर निर्भर करता है।

ax= python_pie_chart_df['courses'].plot(kind='pie', labels=python_pie_chart_df['labels'], autopct='%1.1f%%', 
                       colors=datacamp_palette, figsize=(5,5))

ax.set_title('Pie Chart DatataCamp Courses')
ax.set_ylabel(None)

plt.savefig('demo.png')

Pie Charts की Troubleshooting

यह सुनिश्चित करने के लिए कि आपके pie charts सही ढंग से प्रदर्शित हों, आपको Matplotlib को सही डेटा प्रदान करना चाहिए। इसका मतलब है कि आपको अपने dataframe पर हमेशा डेटा क्लीनिंग तकनीकें लागू करनी चाहिए, जैसे pd.dropna() से null मानों को हटाना और इनपुट कॉलम्स के लिए सही डेटा प्रकार सेट करना।

इसके अलावा, प्रभावशाली और असरदार pie chart दिखाने के लिए कस्टमाइज़ेशन महत्वपूर्ण होगा। हालाँकि, ध्यान रखें कि यदि आप Pandas का उपयोग कर रहे हैं, तो exploding जैसी एडवांस्ड कस्टमाइज़ेशन समर्थित नहीं हो सकती। जैसा कि पहले बताया गया है, यदि आपको अपने pie chart पर अधिक नियंत्रण चाहिए, तो आपको अपने स्क्रिप्ट्स में Matplotlib कोड जोड़ने की आवश्यकता हो सकती है।

Accessibility और Usability को बेहतर बनाना

Pie charts दिखाते समय, आपको अच्छी प्रथाओं का पालन करना चाहिए।

• अपने ऑडियंस का आकलन करें: सुनहरे नियम के रूप में, आपको हमेशा उस ऑडियंस के साथ सहानुभूति रखनी चाहिए जिसे आपकी विज़ुअलाइज़ेशन संबोधित कर रही है। इसका मतलब है कि ऑडियंस के विशेषज्ञता क्षेत्र, तकनीकी ज्ञान के स्तर और रुचियों को अच्छी तरह समझना। 
• बेकार चीजें हटाएँ: अपठनीय, भरे हुए विज़ुअल्स से बचने के लिए, खुद से पूछें कि जो आप शामिल कर रहे हैं वह ऑडियंस के लिए प्रासंगिक है या नहीं, और जितना हो सके अनावश्यक तत्वों को हटा दें। Pie charts के मामले में, 3D इफेक्ट्स या शैडो से बचना चाहिए, क्योंकि वे व्याख्या में बाधा डाल सकते हैं। 
• फ़ॉन्ट्स पर नज़र रखें: भले ही अलग-अलग फ़ॉन्ट और साइज का उपयोग करने का मन हो, सामान्य नियम के रूप में एक ही फ़ॉन्ट और अधिकतम तीन विभिन्न साइज तक सीमित रहें। आपको फ़ॉन्ट हाइरार्की का पालन करना चाहिए—हेडिंग्स को बॉडी से बड़ा रखें, और प्रमुख तत्वों व हेडिंग्स को हाइलाइट करने के लिए बोल्ड टाइपफेस का उपयोग करें। 
• रंगों का रचनात्मक उपयोग करें: रंग किसी भी डेटा विज़ुअलाइज़ेशन का सबसे ध्यान खींचने वाला पहलू है। इसलिए, अपनी विज़ुअलाइज़ेशन की रंग योजना चुनते समय अच्छी तरह सोचें। इसका अर्थ है अपनी विज़ुअलाइज़ेशंस में एकसमान रंग पैलेट रखना और समूहों, महत्त्व के स्तरों और विभिन्न सूचना हाइरार्की में भेद करने के लिए रंग का व्यवस्थित उपयोग करना।
• अन्य डिवाइस पर परीक्षण: यह हमेशा अच्छा सुझाव है कि अपने विज़ुअल्स को कई डिवाइस पर देखकर जाँचें कि वे कैसे दिखते हैं।

डेटा विज़ुअलाइज़ेशन को एक कला माना जा सकता है। अंतर्ज्ञान और अच्छा स्वाद फर्क पैदा कर सकते हैं, लेकिन आपको हमेशा इसके सिद्धांतों पर भी ध्यान देना चाहिए। प्रभावी डेटा विज़ुअलाइज़ेशन की बेहतरीन प्रथाओं के बारे में अधिक जानने के लिए हमारा Data Storytelling & Communication Cheat Sheet देखें। आगे, यदि आप डैशबोर्ड्स के साथ काम कर रहे हैं, तो Best Practices for Designing Dashboards पर यह लेख पढ़ने लायक है।

Pie Charts के विकल्प

सच कहें तो, pie charts सबसे अधिक आलोचना झेलने वाले प्लॉट्स में हैं। यह सिद्ध हुआ है कि मनुष्य कोणों की व्याख्या करने में बहुत अच्छे नहीं होते। हम इसे पहले उपयोग किए गए pie chart से समझा सकते हैं। Excel और ChatGPT के स्लाइस पर विचार करें। क्या आप पहली नज़र में बता सकते हैं कि किसका कोण बड़ा है?

शायद नहीं, और यही वजह है कि कई डेटा विज़ुअलाइज़ेशन विशेषज्ञ अनुपातों को दिखाने के लिए अन्य चार्ट्स—खासकर जब कई श्रेणियाँ हों—जैसे bar charts और stacked bar charts, treemaps, या donut charts—का उपयोग करने की सलाह देते हैं। इन विकल्पों के बारे में और जानने के लिए हमारा लेख Types of Data Plots and How to Create Them in Python देखें।

निष्कर्ष

ट्यूटोरियल के अंत तक पहुँचने पर बधाई। Python एक अत्यंत बहुमुखी प्रोग्रामिंग भाषा है, जो pie charts बनाने के लिए कई लाइब्रेरी और तरीके देती है। इस ट्यूटोरियल में, हमने Matplotlib और Pandas के साथ pie charts बनाने का विश्लेषण किया। दोनों ही काम के लिए समान रूप से उपयुक्त हैं और उल्लेखनीय समानताएँ रखते हैं। विचार यह नहीं है कि एक को चुनें, बल्कि अपनी ज़रूरतों और वर्कफ़्लो के अनुसार इन्हें परस्पर उपयोग करें। 

यदि आप pie charts और व्यापक रूप से Python में डेटा विज़ुअलाइज़ेशन के बारे में और जानना चाहते हैं, तो DataCamp आपकी मदद के लिए है। हमारी समर्पित सामग्री देखें और विज़ुअलाइज़ेशन के उस्ताद बनने के लिए तैयार हो जाएँ!

• Introduction to Python कोर्स
• Python Developer करियर ट्रैक
• Python Programming स्किल ट्रैक
• Statistical Thinking in Python (Part 1) कोर्स