[数据分析与可视化] 数据绘图要点11-雷达图的注意事项

最新推荐文章于 2024-08-23 11:39:47 发布
最新推荐文章于 2024-08-23 11:39:47 发布
阅读量5.8k 收藏 10
点赞数
分类专栏： 数据分析与可视化 R语言 文章标签： 数据分析 数据挖掘 r语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/LuohenYJ/article/details/122450352
版权

数据绘图要点11-雷达图的注意事项

准确通过雷达图表现数据有许多值得需要思考的地方，本文主要介绍雷达图的一些注意事项。

文章目录

雷达图绘制

基础雷达图

雷达图又称蜘蛛图或网络图，是一种二维图表类型，设计用于绘制多个定量变量的一个或多个数值系列。每个变量都有自己的轴，所有轴都连接在图形的中心。让我们考虑一个学生的考试成绩。他在数学、体育、统计学等十个主题上的得分范围为 0 到 20。雷达图为每个主题提供一个轴。通过该形状，您可以查看学生在哪些主题上表现出色或表现不佳。

# 加载库
library(tidyverse)
library(viridis)
library(patchwork)
library(hrbrthemes)
library(fmsb)
library(colormap)


# 创建数据
#设计随机种子
set.seed(42) 
# 设计数据
data <- as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10)) 
# 添加列名
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
# 在数据中添加每一列的最大范围和最小范围
data <- rbind(rep(20,10) , rep(0,10) , data)
data
A data.frame: 3 × 10
mathenglishbiologymusicR-codingdata-vizfrenchphysicstatisticsport
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
18 6 211 5191816 8 5

# 创建雷达图
par(mar=c(0,0,0,0))
radarchart( data, axistype=1, 
           # 自定义雷达图四边形
           # pcol设置四边形边框颜色，pfcol设置四边形填充颜色，plwd设置边框粗细
           pcol=rgb(0.9,0.6,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4, 
           # 自定义网格
           # cglcol设置网格线条颜色，cglty设置网格线条类型，axislabcol设置轴标签字体颜色
           # caxislabels设置轴的范围，cglwd设置网格线条粗细
           cglcol="black", cglty=2, axislabcol="blue", caxislabels=seq(0,20,5), cglwd=0.8,
           # vlcex设置类别标签位置大小
           vlcex=1.2 
)

png

多类别雷达图

在上一个图表中，只绘制了一个系列，显示了一名学生的表现。一个常见的任务是比较几个人。只需几个系列，就可以在同一图表上显示每个组。如下图所示，很明显，Shirley综合表现优于Sonia，除了在运动、英语和 R 编码方面。

# 创建数据
set.seed(1)
data <-as.data.frame(matrix( c( sample( 2:20 , 10 , replace=T), sample( 2:9 , 10 , replace=T)) , ncol=10, byrow=TRUE))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
# 设置第二行第二列数据为19
data[2,2]=19
# 在数据中添加每一列的最大范围和最小范围
data <- rbind(rep(20,10) , rep(0,10) , data)
data
A data.frame: 4 × 10
mathenglishbiologymusicR-codingdata-vizfrenchphysicstatisticsport
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
5 8 2 312151920 211
719 3 8 2 8 6 6 2 2
# 设置颜色
colors_border=c( rgb(0.2,0.5,0.5,0.9), rgb(0.8,0.2,0.5,0.9)  )
colors_in=c( rgb(0.2,0.5,0.5,0.4), rgb(0.8,0.2,0.5,0.4)  )

# 创建雷达图
radarchart( data, axistype=1, 
           # 自定义四边形
           pcol=colors_border , pfcol=colors_in , plwd=4, plty=1 , 
           # 自定义网格
           cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=1.1,
           # 自定义标签
           vlcex=0.8 )

# 设置图例
# bty设置图例文字外边框样式，pch设置图例图标样式，col设置图例图标颜色
# text.col设置图例文字颜色，cex设置图例文字大小，pt.cex设置图例图标大小
legend(x=0.85, y=1, legend = c("Shirley", "Sonia"), bty = "n", pch=20 , col=colors_border , text.col = "black", cex=0.9, pt.cex=1.6)

png

对于两个或三个以上的系列，使用多子图是一个很好的做法，以避免出现杂乱的数字。每个学生都有自己的雷达图。很容易理解特定个体的特征，寻找形状的相似性可以让您找到具有相似特征的学生。

# 创建数据
set.seed(1)
data <-as.data.frame(matrix( sample( 2:20 , 60 , replace=T) , ncol=10, byrow=TRUE))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
# 在数据中添加每一列的最大范围和最小范围
data <- rbind(rep(20,10) , rep(0,10) , data)
data
A data.frame: 8 × 10
mathenglishbiologymusicR-codingdata-vizfrenchphysicstatisticsport
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
5 8 2 312151920 211
1511 81016 61015 6 6
3111316 2 4 71111 7
1613 7 913 7 82011 7
15 3141915 7 22020 9
713 7 9 81218 514 9
# 设置颜色
colors_border=colormap(colormap=colormaps$viridis, nshades=6, alpha=1)
colors_in=colormap(colormap=colormaps$viridis, nshades=6, alpha=0.3)

# 设置标题
mytitle <- c("Max", "George", "Xue", "Tom", "Alice", "bob")

# 设置子图
par(mar=rep(0.8,4))
par(mfrow=c(2,3))

# 依次绘图
for(i in 1:6){
    radarchart( data[c(1,2,i+2),], axistype=1, 
    pcol=colors_border[i] , pfcol=colors_in[i] , plwd=4, plty=1 , 
    cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8,
    vlcex=0.8,
    title=mytitle[i]
    )
}

png

雷达图存在的问题与解决方案

雷达图存在的问题

1 圆形布局表示更难阅读

沿着单个垂直或水平轴布局时，定量值更容易比较。这是对圆形布局的普遍指责。下图仅考虑一名学生的数据。比较条形图中的值更容易，也更准确。

# 创建数据
set.seed(1)
data <-as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )

# 在数据中添加每一列的最大范围和最小范围
data <-rbind(rep(20,10) , rep(0,10) , data)
data
A data.frame: 3 × 10
mathenglishbiologymusicR-codingdata-vizfrenchphysicstatisticsport
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
5 8 2 312151920 211
# 创建雷达图
par(mar=c(0,0,0,0))
p1 <- radarchart( data, axistype=1, 
                 pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 , 
                 cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8,vlcex=1.3 )

png


# 创建条形图
data %>% slice(3) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange(V1) %>% mutate(rowname=factor(rowname, rowname)) %>%
  ggplot( aes(x=rowname, y=V1)) +
    geom_segment( aes(x=rowname ,xend=rowname, y=0, yend=V1), color="grey") +
    geom_point(size=5, color="#69b3a2") +
    coord_flip() +
    theme(
      panel.grid.minor.y = element_blank(),
      panel.grid.major.y = element_blank(),
      axis.text = element_text( size=32),
      legend.position="none"
    ) +
    ylim(0,20) +
    ylab("mark") +
    xlab("")

png

2 不支持排名

在上面的例子中，棒棒糖图是有序的。它使您可以立即查看哪个主题的得分最高以及每个主题的排名。对于没有起点和终点的雷达图，这更加困难。

3 类别排序有巨大的影响

雷达图的读者可能会关注观察到的形状。这可能会产生误导，因为这种形状高度依赖于周围类别的顺序。查看使用相同数据制作的这些图表，以下三张图数据一样，但更改了类别排序。

# 创建数据
set.seed(7)
data <- as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
data[1,1:3]=rep(19,3)
data[1,6:8]=rep(4,3)
data <- rbind(rep(20,10) , rep(0,10) , data)
data
A data.frame: 3 × 10
mathenglishbiologymusicR-codingdata-vizfrenchphysicstatisticsport
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
191919 316 4 4 416 9
# 改变排序创建其他数据
data2 <- data[,sample(1:10,10, replace=FALSE)]
data2
data3 <- data[,sample(1:10,10, replace=FALSE)]
data3
A data.frame: 3 × 10
sportbiologymusicenglishdata-vizstatisticmathR-codingfrenchphysic
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
919 319 4161916 4 4
A data.frame: 3 × 10
frenchenglishmusicdata-vizbiologyphysicmathsportstatisticR-coding
<dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl><dbl>
20202020202020202020
0 0 0 0 0 0 0 0 0 0
419 3 419 419 91616
# 绘图
par(mar=c(0,0,0,0))
par(mfrow=c(3,1))
radarchart( data, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 ,   
           cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8  )
radarchart( data2, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 ,  
           cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8  )
radarchart( data3, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , plwd=4 ,   
           cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8  )

png

4 不确定的数值比例

雷达图显示几个定量变量的值，所有变量都表示在一个轴上。在前面的示例中，所有变量（范围从0 到 20的）共享相同的比例和相同的单位。但雷达图也可以显示完全不同的变量。在这种情况下，不要忘记为每个显示一个明显的比例：否则读者会期望相同的比例。

5 对差异的过度评估

雷达图中形状的面积也呈二次而非线性增加，这可能会导致观看者认为微小的变化比实际情况更重要。在下面的示例中，左边的学生在每个主题上的得分为 7，而右边的学生在每个主题上的得分为 14。但是，右图的面积是左图面积的两倍多。

# 创建数据
data <- as.data.frame(matrix( c(7,7,7,7,7) , ncol=5))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding")
data <- rbind(rep(20,10) , rep(0,10) , data)
data
data2 <- data
data2[3,] <- rep(14,5)
data2
A data.frame: 3 × 5
mathenglishbiologymusicR-coding
<dbl><dbl><dbl><dbl><dbl>
2020202020
0 0 0 0 0
7 7 7 7 7
A data.frame: 3 × 5
mathenglishbiologymusicR-coding
<dbl><dbl><dbl><dbl><dbl>
2020202020
0 0 0 0 0
1414141414
# 绘图
par(mar=rep(0,4))
par(mfrow=c(2,1))
radarchart( data, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , 
           plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8  )
radarchart( data2, axistype=1, pcol=rgb(0.2,0.5,0.5,0.9) , pfcol=rgb(0.2,0.5,0.5,0.5) , 
           plwd=4 , cglcol="grey", cglty=1, axislabcol="grey", caxislabels=seq(0,20,5), cglwd=0.8, vlcex=0.8  )

png

解决方案

如果您要显示单个系列并且所有定量变量都具有相同的比例，则使用条形图或棒棒糖图，对变量进行排名：

# 创建数据
set.seed(1)
data <-as.data.frame(matrix( sample( 2:20 , 10 , replace=T) , ncol=10))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
data <-rbind(rep(20,10) , rep(0,10) , data)

# 绘制条形图
data %>% slice(3) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange(V1) %>% mutate(rowname=factor(rowname, rowname)) %>%
  ggplot( aes(x=rowname, y=V1)) +
    geom_segment( aes(x=rowname ,xend=rowname, y=0, yend=V1), color="grey") +
    geom_point(size=5, color="#69b3a2") +
    coord_flip() +
    theme(
      panel.grid.minor.y = element_blank(),
      panel.grid.major.y = element_blank(),
      axis.text = element_text( size=32 ),
      legend.position="none"
    ) +
    ylim(0,20) +
    ylab("mark") +
    xlab("")

png

如果您有两个系列要绘制，您仍然可以使用条形图和棒棒糖图。这是一个有2个系列的例子。它侧重于第一个学生（深色），并让您可以看到另一个学生（浅色）的表现如何。

# 创建数据
set.seed(1)
data <-as.data.frame(matrix( sample( 2:20 , 20 , replace=T) , ncol=10))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
data <-rbind(rep(20,10) , rep(0,10) , data)

# 绘图
data %>% slice(c(3,4)) %>% t() %>% as.data.frame() %>% add_rownames() %>% arrange(V1) %>% mutate(rowname=factor(rowname, rowname)) %>%
  ggplot( aes(x=rowname, y=V1)) +
    # 绘制线条
    geom_segment( aes(x=rowname ,xend=rowname, y=V2, yend=V1), color="grey") +
    geom_point(size=5, color="#69b3a2") +
    # 设置透明度
    geom_point(aes(y=V2), size=5, color="#69b3a2", alpha=0.5) +
    coord_flip() +
    theme(
      panel.grid.minor.y = element_blank(),
      panel.grid.major.y = element_blank(),
      axis.text = element_text( size=32 )
    ) +
    ylim(0,20) +
    ylab("mark") +
    xlab("")

png

如果你有超过2个系列要绘制，使用条形图或棒棒糖图的分面也许可以解决问题：

# 创建数据
set.seed(1)
data <-as.data.frame(matrix( sample( 2:20 , 40 , replace=T) , ncol=10))
colnames(data) <- c("math" , "english" , "biology" , "music" , "R-coding", "data-viz" , "french" , "physic", "statistic", "sport" )
data <-rbind(rep(20,10) , rep(0,10) , data)
rownames(data) <- c("-", "--", "John", "Angli", "Baptiste", "Alfred")

# 绘图数据
data <- data %>% slice(c(3:6)) %>% 
  t() %>% 
  as.data.frame() %>% 
  add_rownames() %>% 
  arrange() %>% 
  mutate(rowname=factor(rowname, rowname)) %>% 
  gather(key=name, value=mark, -1)

# 编制数据
data$name <- recode(data$name, V1 = "John", V2 = "Angli", V3 = "Baptiste", V4 = "Alfred")

# 绘图
data %>% ggplot( aes(x=rowname, y=mark)) +
    geom_bar(stat="identity", fill="#69b3a2", width=0.6) +
    coord_flip() +
    theme(
      panel.grid.minor.y = element_blank(),
      panel.grid.major.y = element_blank(),
      axis.text = element_text( size=16 )
    ) +
    ylim(0,20) +
    ylab("mark") +
    xlab("") +
    facet_wrap(~name, ncol=4)

png

如果您有很多系列要绘制，或者您的变量没有相同的比例，那么最好的选择可能是切换到平行坐标图。

library(GGally)
# 导入iris数据
data <- iris

# 绘图
data %>% 
ggparcoord(
columns = 1:4, groupColumn = 5, order = "anyClass",
showPoints = TRUE, 
title = "Parallel Coordinate Plot for the Iris Data",
alphaLines = 0.3
) + 
scale_color_viridis(discrete=TRUE)

png

参考

落痕的寒假
关注
专栏目录
雷达图分析法
12-12
这是一款整理发布的雷达图分析法，适用于公司企业营销人员学习参考雷达图分析法，进而更好提升...该文档为雷达图分析法，是一份很不错的参考资料，具有较高参考价值，感兴趣的可以下载看看
用 v-chart 或者 Bizchart 实现雷达图显示不同边不同max值
心似烟火
05-17 3959
前言： 在体测1.0版本的时候，是用e-chart软件做的雷达图，官网示例可以实现不同边不同max值。但是在构建的时候出问题了，构建后无法显示雷达图，可能是版本不兼容的缘故。后来改用v-chart，但是官网示例不能修改不同边有不同的max值。 后来考虑用Bizchart组件，但是发现跟v-chart类似。经过查询，发现Bizchart和v-chart都可以用自定义的方...
【科研绘图】【雷达图】：附Origin详细画图流程
weixin_50236590的博客
08-23 4356
雷达图，是一种展现多维度数据间相对重要性或程度的可视化图形。以中心点为起点，从该中心点向外延伸出多条射线，每条射线代表一个特定的变量或指标。射线上的点或线段则根据该变量的具体数值进行定位，从而形成一个多维度的数据视图。这种图形结构类似雷达扫描的视觉效果，使得观察者能够迅速捕捉到数据点的综合特征及其在各维度上的表现差异。
echarts雷达图每个维度比例不一致问题
weixin_43472754的博客
11-14 1601
首先，使用echarts绘制雷达图时，在options里面会有一个radar属性，该属性的indicator属性为雷达图的每一个轴上的信息，包括name,max,min,分别设置每个轴上的min和max都一样就可以实现等比例了，注意：如果数据中有负值，只设置max会出现图形胡乱，因为默认min为0。我这里雷达图的数据是根据下拉框请求得到，在获取数据之前并不知道max和min的值，所以要在请求里面计算。这里为了图形相对美观，最大值取了数据最大值的120%，最小值也是。
echart雷达图数据差别过大问题
weixin_46051153的博客
02-23 1236
echart雷达图数据差别过大问题
数据可视化｜用雷达图进行对比分析
SeizeeveryDay的博客
06-30 5791
01雷达图的背景一圈一圈地像雷达，用多边形来展现数据的大小，我认为比较适合用于有多种不同维度的情形，是发现差距的一种好工具。比如说，「得到 APP」上的学分构成包括 5 个不同维度，我根...
Echarts中关于雷达图极坐标值相差过大时的图像展示问题
12-28 3571
（本文原创-引用请注明出处 --zhangjieatbky） 问题背景：在雷达图中的每个顶点的值相差过大时，数据展示中数据项很小的部分将很难区分出来，因此需要做区间处理，以每一个数量级为一个区间来展示数据 1 //初始化函数 2 init : function(ec,ecConfig){ 3 //页面初始化加载行业...
python 数据分析与可视化
09-08
《Python数据分析与可视化》课程是针对数据处理和可视化的深入学习资源，涵盖了从Python编程基础知识到高级数据分析工具的广泛主题。课程旨在通过理论讲解、源代码实践和实验环节，帮助学员掌握利用Python进行数据...
Python数据可视化分析大作业-NBA球员信息数据分析与可视化（源码+报告文档）高分项目
06-10
Python数据可视化分析大作业-NBA球员信息数据分析与可视化（源码+报告文档）高分项目期末大作业开发的97分高分设计项目，可作为高分课程设计和期末大作业的参考，含有代码注释小白也可看的懂，有能力的小伙伴也可以...
数据分析可视化：散点图矩阵与雷达图的生成
最新发布
11-01
数据分析可视化：散点图矩阵与雷达图的生成
数据分析案例-图书书籍数据可视化分析
热门推荐
m0_64336780的博客
01-19 1万+
数据集来源于Kaggle，这个数据集包含了从wonderbk.com(一个受欢迎的在线书店)抓取的信息。该数据集包含103,063本书的详细信息，其中包含标题、作者、描述、类别、出版商、起始价格和出版日期等关键属性。Title：书的标题。Authors：本书的作者。Description ：对本书的简要描述。Category：书籍所属的类别或流派。Publisher：负责本书的出版社。Price：书籍的初始价格。Publish Date：出版年份。
小程序--雷达图显示刻度
一直以来的博客
01-14 1049
雷达图显示刻度 let indicatorData = app.globalData.chartsData.indicatorData; //添加axisLabel：{show:true} 或者 axisLabel：{show:false} 可以控制在那条线轴上显示刻度 for (var i=0; i < indicatorData.length;i++) { if(i==0){ indicatorData[i].axisLabel = { "show
Python绘制雷达图：实现不同指标对应不同单位量度
m0_56512537的博客
01-20 2470
当我们需要将统计数据进行可视化时，雷达图是一个很好的选择，但是传统的雷达图也容易存在一个比较严重的问题，就是对于不同指标它的单位刻度都是一样的，如果每个指标的统计数据范围差别不大，那可视化出来问题不大，就像图1中的传统雷达图一样，每个科目对应的成绩范围都在0-10之间，所以可以用雷达图比较好的表现出来，能够清晰的进行比较和分析。通过图片可以清晰地看到1-5对应的五个指标的单位量度都不同，都调整了合适的起点、终点和亮度，这样就可以清晰的比较两组数据的折线图了。第二种，就是今天要介绍的不同单位量度的雷达图。
雷达图
qq_57907966的博客
10-10 1642
1、设置各个维度的最大值2、准备具体产品的数据3、将type设置为radar。
Echarts 雷达图的详细配置过程
梁辰兴的博客
09-15 4788
Echarts雷达图是一种常用的数据可视化图表类型，用于展示多个维度的数据在同一坐标系下的分布情况。雷达图通过不同的坐标轴表示不同的维度，数据点的位置表示了各个维度的数值大小。Echarts雷达图的特点如下：多维数据展示：雷达图通常用于展示多个维度的数据，每个维度在坐标系中对应一个坐标轴，数据点的位置表示了各个维度的数值大小。例如，可以用雷达图展示一个人在不同技能维度上的得分情况，或者展示不同城市在多个指标上的表现。
智能数据可视化-雷达图的使用方法
迪赛智慧数的博客
12-20 1268
在进行数据报表综合评价分析时，往往涉及很多指标，需要将指标与参照值一一比较，往往会顾此失彼，难以得出一个综合的分析评价。这时便借助数据可视化图-雷达图。 雷达图是专门用来进行多指标体系比较分析的专业图表。从雷达图中可以看出指标的实际值与参照值的偏离程度，从而为分析者提供有益的信息。 今天小编就带你了解一下智能数据可视化-雷达图的使用方法。首先进入平台自行完成注册登录： 然后来到新建页面，这里小编新建一个雷达图测试页面： 点击新建的页面找到其他图标选择雷达图，屏幕就会出现一个六边形的雷达图：.
手把手教你 Tableau 绘制雷达图（二十七）
Lianjiabin的博客
04-21 3323
手把手教你 Tableau 绘制雷达图 雷达图又称为蜘蛛图，适用于多维数据（四维以上），且每个维度必须可以排序。 绘制玩家综合能力雷达图 数据展示 操作步骤 1、选中数据，右击「数据透视表」； 2、修改列名为能力名称、能力值； 3、创建计算字段「路径」，用于形成一个封闭的多边形（圆）； 4、创建计算字段「角度」，用于后面计算 X、Y（圆上一点）； 5、创建计算字段 X 、Y（圆上一点坐标）； ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值