【可视化2-升级图形】使用Python中matplotlib.pyplot库绘制 堆积图、饼图、雷达图

上一节我们介绍了一些常见的图形绘制，接下来我们将继续绘制更多的图形，并让图形更加美观可用

文章主要针对初学者，只介绍了一些常用的参数

一、堆积面积图

堆积面积图和折线图一样，都是通过连接不同的点组成的

因此，同样只需要X，Y即可绘制图形

它的函数名为 stackplot

import matplotlib.pyplot as plt

x = [1, 2, 3, 4, 5]
y1 = [1, 2, 3, 4, 5]
y2 = [1, 2, 4, 6, 8]
y3 = [1, 3, 6, 10, 15]

plt.stackplot(x, y1, y2, y3)
plt.show()

这里我们同时将三组Y值同时输入到了一个函数中。

和其他图形一样，同样可以使用 color 来设置颜色

二、饼图和环状图

刚才只是开胃菜，饼图和环状图所需要的参数就更多了。

1.饼图

观察饼图，我们需要以下参数：数值、标签、色彩、突起版块

import matplotlib.pyplot as plt

#设置数值
sizes = [15, 30, 45, 10]

#设置标签
labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']

#设置突起
explode = (0, 0.1, 0, 0)

plt.pie(sizes, explode=explode, labels=labels, autopct='%1.1f%%')

plt.show()

其中 explode 表示的是突起的程度，我们将第二个数的突起值设为0.1，可以在图中看到第二个Hogs在板块中突起

由于饼图用于百分比显示，而不是数值显示
因此我们需要添加 autopct 参数来将数值转化为百分比
其中 autopct=‘%1.1f%%’ 中第二个1表示保留几位小数，此时我们设置的是保留一位小数

如果要保留两位小数就是
autopct=‘%1.2f%%’

2.环状图

环状图是一种特殊的饼图

绘制方法和饼图一样，只需要额外添加一个参数

import matplotlib.pyplot as plt

sizes = [151, 310, 415, 110]
labels = ['Frogs', 'Hogs', 'Dogs', 'Logs']
plt.pie(sizes,  labels=labels, autopct='%1.2f%%',wedgeprops={'width':0.5})

plt.show()

在这里有一个新的参数

wedgeprops={‘width’:0.5}

只需要添加这个参数，就可以设置环状的大小，当数值越小，环状图的宽度就越小

三、雷达图

在介绍选手参数的时候，往往会采用雷达图来展示选手在各种参数上的水平。

例如在 英雄联盟 游戏中，雷达图是评估一个选手实力的体现

绘制雷达图会稍微有点难度，使用的函数为 plt.polar

import matplotlib.pyplot as plt
import numpy as np

#标签的设置
labels=np.array(['Economy', 'Health', 'Family', 'Freedom', 'Trust', 'Generosity'])
labels=np.concatenate((labels,[labels[0]]))

#数据的设置
data1 = np.random.rand(6)
data2 = np.random.rand(6)
data1 =np.concatenate((data1,[data1[0]]))
data2 =np.concatenate((data2 ,[data2[0]]))

num = 6

#角度的设置
angles = np.linspace(0, 2 * np.pi, num, endpoint=False)
angles = np.concatenate((angles,[angles[0]]))

#绘制角度和极坐标
plt.polar(angles,data1)
plt.polar(angles,data2)
plt.thetagrids(angles * 180/np.pi,labels=labels)
plt.show()

看上去不太复杂？让我们一个一个来看

对于一个雷达图有哪些组成部分，数据、标签 貌似没有了，那为什么还会有这么多代码呢？

其实，对于一个雷达图，你还需要确定数据所存在的角度。雷达图是圆的，因此如何确定不同数据的位置成为一件重要的事情。

1.角度的设置

np.linspace函数

angles = np.linspace(0, 2 * np.pi, num, endpoint=False)
angles = np.concatenate((angles,[angles[0]]))

在这个代码中，我们使用 numpy 库中的 linspace 创建一个根据 num 这个数值等分的一组数

linspace 函数会根据 区间起始、区间终点、几等分。这三个数，将区间内变成几等分

例如:

test = np.linspace(0, 9, 10)

test是10个数，从0开始到9为止
$$np.linspace(0,9,10)=[0，1，2，3，4，5，6，7，8，9]$$
它会包括第一个数和最后一个数。

而另一个参数 endpoint=False，它会去掉最后一个值，也就是最后一位不是9。

但是此时就无法完成10个数字了，只有9个数字了。因此，这个参数实际上是分成了11份，而最后的数字9被删除，就得到了10个等分但又不包含最后一位的一组数

print(np.linspace(0, 9, 10))
print(np.linspace(0, 9, 10, endpoint=False))
print(np.linspace(0, 9, 11))

猜一下输出结果？

[0. 1. 2. 3. 4. 5. 6. 7. 8. 9.]
[0. 0.9 1.8 2.7 3.6 4.5 5.4 6.3 7.2 8.1]
[0. 0.9 1.8 2.7 3.6 4.5 5.4 6.3 7.2 8.1 9. ]

不知道你是否明白。

再回到角度设置的代码

angles = np.linspace(0, 2 * np.pi, num, endpoint=False)

区间起点为 0，终点为 2π，num我们设置的是6，添加了 endpoint=False 参数

也就是得到6个数但不包括2π
$$0，\frac{\pi }{3}，\frac{2\pi }{3}，\pi ，\frac{4\pi }{3}，\frac{5\pi }{3}$$
我们发现它刚刚好等分了一个圆

因此，可以得到一个便捷的记忆技巧。

按照传统思维，将2π进行6等分，我们会将这样做
$$\frac{2\pi }{6}=\frac{\pi }{3}$$
得到每一份是 π/3，有些初学者会弄混 np.linspace() 的做法，误认为默认情况下算法就是这么做的。其实

np.linspace(0, 2 * np.pi, num)

得到的结果是
$$0，\frac{2\pi }{5}，\frac{4\pi }{5}，\frac{6\pi }{5}，\frac{8\pi }{5}，2\pi$$
如果想达到我们想要的，就必须加上 endpoint=False 这个参数

np.concatenate函数

我们得到了六个等分整个圆的数值后，由于雷达图需要首尾连接。

因此还需要 np.concatenate() 这个函数

angles = np.concatenate((angles,[angles[0]]))

np.concatenate() 函数会将其中的 (angles,[angles[0]]) 将他们组合成一个新的 NumPy 数组

很容易理解

$$angles=[0，\frac{\pi }{3}，\frac{2\pi }{3}，\pi ，\frac{4\pi }{3}，\frac{5\pi }{3}]$$
那么新的angles为
$$angles=[0，\frac{\pi }{3}，\frac{2\pi }{3}，\pi ，\frac{4\pi }{3}，\frac{5\pi }{3}，0]$$
实现了首尾连接

2.标签和数据的设置

数据设置

同样，数据也是需要进行首尾连接的

data1 =np.concatenate((data1,[data1[0]]))
data2 =np.concatenate((data2 ,[data2[0]]))

标签设置

标签也不例外

labels=np.array(['Economy', 'Health', 'Family', 'Freedom', 'Trust', 'Generosity'])
labels=np.concatenate((labels,[labels[0]]))

但是由于 plt.polar() 函数不能直接将标签代入，因此我们需要一个新的函数来添加上标签

plt.thetagrids(angles * 180/np.pi,labels=labels)

plt.thetagrids() 用于在雷达图或极坐标图上设置角度网格和它们的标签

其中第一个参数代表着不同的角度，第二个参数代表着标签

需要注意的是，plt.thetagrids()所采用的是度数，而不是弧度

因此，还需要将弧度制转化为角度值，换算则需要乘上 180/π

3.绘制雷达图

经历了这么久，总算可以绘制一个雷达图了

plt.polar(angles,data1)
plt.polar(angles,data2)

plt.thetagrids(angles * 180/np.pi,labels=labels)
plt.show()

使用 plt.polar() 函数添加角度和数据

再使用 plt.thetagrids() 函数添加标签

一个像样的雷达图就画好了

填充雷达

plt.fill(angles, data1)

如果需要将雷达图框住的区域填充，那么就需要 plt.fill() 函数了

只需要和雷达图绘制一样，填上角度和数据就可以自动填充了

第一期在这里
【可视化1-初步认识】使用Python中matplotlib.pyplot库绘制 折线图、柱状图、散点图、直方图