数据可视化——绘制雷达图

Y橘子Y

已于 2023-10-08 19:14:42 修改

阅读量1.3k

点赞数 2

文章标签：信息可视化

于 2023-10-01 20:59:17 首次发布

本文链接：https://blog.csdn.net/2201_75717488/article/details/133469453

版权

绘制雷达图

使用polar()绘制雷达图

使用pyplot的polar()函数可以快速绘制雷达图，polar()函数的语法格式如下所示：

polar(theta, r, **kwargs)

该函数常用参数的含义如下：

theta ：表示每个数据点所在射线与极径的夹角。

r ：表示每个数据点到原点的距离。

下面用代码绘制霍兰德职业兴趣测试雷达图

代码如下：

import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 准备数据
dim_num = 6 
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
                 [0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
                 [0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
                 [0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
                 [0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
                 [0.34, 0.31, 0.38, 0.40, 0.92, 0.28]])
angles = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)
angles = np.concatenate((angles, [angles[0]]))
data = np.concatenate((data, [data[0]]))
#维度标签
radar_labels = ['研究型（I）', '艺术型（A）', '社会型（S）',
                 '企业型（E）', '传统型（C）', '现实型（R）']
radar_labels = np.concatenate((radar_labels, [radar_labels[0]]))
#绘制雷达图
plt.polar(angles, data)
#设置极坐标的标签
plt.thetagrids(angles * 180/np.pi, labels=radar_labels)
#填充多边形
plt.fill(angles, data, alpha=0.25)
plt.show()

运行结果如下：

在此基础上增加多组数据，条件如下：

# matplotlib中文网 https://www.matplotlib.org.cn/intro/

# 需求一： 请把B同学和C同学的成绩用雷达图展示在同一个绘图区域，并填充不同颜色和透明度
#          （只允许调用一次plt.polar和plt.fill）


# B同学成绩：  '数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   91,88,83,72,78,26
# C同学成绩：  '数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   81,78,85,76,74,36

import numpy as np
import matplotlib.pyplot as plt

# 0.设置中文
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 1.准备大数据专业三位同学各科目成绩
dim_num = 6
radians = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)
radians = np.concatenate((radians, [radians[0]]))  

# A同学： '数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   41,38,36,62,68,100
score_a = np.array([41,38,36,62,68,100])
score_a = np.concatenate((score_a, [score_a[0]]))  

# B同学：'数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   91,88,83,72,78,26

# C同学：'数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   81,78,85,76,74,36




# 2.绘制多边形（雷达图） 
#——————————————————————————————————————————    
#————————————  


# 3.设置维度标签
radar_labels = ['数学','英语','线代','爬虫','数据可视化','吃喝玩乐']
radar_labels = np.concatenate((radar_labels, [radar_labels[0]])) # 拼接一下，构成闭环 （此处可以不拼接，为了统一而已）

# 4.设置极坐标的标签
angles = radians * 180/np.pi  # 弧度转角度
plt.thetagrids(angles, labels=radar_labels) # 设置新的刻度标签

# 5.填充多边形
#——————————————————————————————————————————    

#——————————————————————————————————————————  

# 6.展示图表
plt.show()

输入代码，代码如下：

# matplotlib中文网 https://www.matplotlib.org.cn/intro/

# 需求一： 请把B同学和C同学的成绩用雷达图展示在同一个绘图区域，并填充不同颜色和透明度
#          （只允许调用一次plt.polar和plt.fill）


# B同学成绩：  '数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   91,88,83,72,78,26
# C同学成绩：  '数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   81,78,85,76,74,36

import numpy as np
import matplotlib.pyplot as plt

# 0.设置中文
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False

# 1.准备大数据专业三位同学各科目成绩
dim_num = 6
radians = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)
radians = np.concatenate((radians, [radians[0]]))  

# A同学： '数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   41,38,36,62,68,100
score_a = np.array([41,38,36,62,68,100])
score_a = np.concatenate((score_a, [score_a[0]]))  

# B同学：'数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   91,88,83,72,78,26
score_b = np.array([91,88,83,72,78,26])
score_b = np.concatenate((score_b, [score_b[0]]))
# C同学：'数学','英语','线代','爬虫','数据可视化','吃喝玩乐'  --->   81,78,85,76,74,36
score_c = np.array([81,78,85,76,74,36])
score_c = np.concatenate((score_c, [score_c[0]]))



# 2.绘制多边形（雷达图） 
#——————————————————————————————————————————    
plt.polar(radians, score_a, radians, score_b, radians, score_c)
# ——————————————————————————————————————————


# 3.设置维度标签
radar_labels = ['数学','英语','线代','爬虫','数据可视化','吃喝玩乐']
radar_labels = np.concatenate((radar_labels, [radar_labels[0]])) # 拼接一下，构成闭环 （此处可以不拼接，为了统一而已）

# 4.设置极坐标的标签
angles = radians * 180/np.pi  # 弧度转角度
plt.thetagrids(angles, labels=radar_labels) # 设置新的刻度标签

# 5.填充多边形
#——————————————————————————————————————————    
tables = plt.fill(radians, score_a, radians, score_b, radians, score_c, alpha=0.25)
# ——————————————————————————————————————————

# 6.展示图表
plt.show()

运行结果如下：