一、使用 pyplot 绘制雷达图的函数是polar(),它是极坐标系下绘制折线图的函数
polar()函数的语法格式为:
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。
例题: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 。
# A同学成绩: '数学','英语','线代','爬虫','数据可视化','吃喝玩乐' ---> 41,38,36,62,68,100
# 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
二、步骤如下:
1、导入名为 “numpy” 的 Python 库,并使用别名 “np” 来引用该库
import numpy as np
2、 导入 matplotlib.pyplot 库
import matplotlib.pyplot as plt
3、 设置支持汉字显示(固定代码,无需更改)
matplotlib 默认情况下不支持中文显示,如果需要显示中文,则我们需要做一些额外的设置操作。
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
使用 mpl.rcParams 设置参数时,是一种全局的设置。
4、导入数据
# 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]]))
5、绘制多边形(雷达图)
plt.polar(radians, score_a,radians, score_b, radians,score_c)
6、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]]))
7、 设置极坐标的标签
angles = radians * 180/np.pi
plt.thetagrids(angles, labels=radar_labels)
8、 填充多边形
plt.fill(radians,score_a,'b',radians,score_b,'r',radians,score_c,'g',alpha=0.5)
9、添加图例
kinds = ['A同学','B同学','C同学']
10、展示图表
plt.legend(kinds)
plt.show()
三、总代码如下:
# 1、导入名为 “numpy” 的 Python 库,并使用别名 “np” 来引用该库
import numpy as np
# 2、导入 matplotlib.pyplot 库
import matplotlib.pyplot as plt
# 3、设置支持汉字显示(固定代码,无需更改)
# matplotlib 默认情况下不支持中文显示,如果需要显示中文,则我们需要做一些额外的设置操作。
plt.rcParams['font.family'] = 'SimHei'
plt.rcParams['axes.unicode_minus'] = False
# 使用 mpl.rcParams 设置参数时,是一种全局的设置。
# 4、导入数据
# 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]]))
# 5、绘制多边形(雷达图)
plt.polar(radians, score_a,radians, score_b, radians,score_c)
# 6、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]]))
# 7、 设置极坐标的标签
angles = radians * 180/np.pi
plt.thetagrids(angles, labels=radar_labels)
# 8、 填充多边形
plt.fill(radians,score_a,'b',radians,score_b,'r',radians,score_c,'g',alpha=0.5)
# 9、添加图例
kinds = ['A同学','B同学','C同学']
# 10、展示图表
plt.legend(kinds)
plt.show()
图表形成样式: