matplotlib中文网 https://www.matplotlib.org
一、认识polar函数
polar()函数的语法格式如下所示:
plt.polar(theta,r,**kwargs)#绘制雷达图
plt.fill(radians,data,alpha=0.3 )#填充多边形 radians弧度 alpha透明度(浮点数)
- 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。
作图需求: 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)
二、绘制雷达图的步骤
1.数据库引用和文字设置
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'# 设置中文字体为黑体
plt.rcParams['axes.unicode_minus'] = False
2.添加数据和设置弧度
data = np.array()
radians = np.linspace(0, 2 * np.pi, dim_num, endpoint=False)#弧度设置
radians = np.concatenate((radians, [radians[0]]))
3.绘制多边形(雷达图)
plt.polar(radians,score_a,radians,score_b,radians,score_c)
4.设置维度标签
radar_labels = [' ']
radar_labels = np.concatenate((radar_labels, [radar_ labels[0]])) # 拼接成闭环
5.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
6.填充多边形
plt.fill(radians,score_a,radians,score_b,radians,score_c,alpha=0.3)#透明度设置alpha
7.展示图表
plt.show()
三、运行代码
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.family'] = 'SimHei'# 设置中文字体为黑体
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)#弧度设置
radians = np.concatenate((radians, [radians[0]]))
# A同学:
score_a = np.array([41,38,36,62,68,100])
score_a = np.concatenate((score_a, [score_a[0]]))
# B同学:
score_b = np.array([91,88,83,72,78,26])
score_b = np.concatenate((score_b, [score_b[0]]))
# C同学:
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) (只允许调用一次plt.polar)
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]])) # 拼接成闭环
# 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(只允许调用一次plt.fill)
plt.fill(radians,score_a,radians,score_b,radians,score_c,alpha=0.3)
# 6.展示图表
plt.show()
四、运行结果及总结
总结:
雷达图通常用于综合分析多个指标,具有完整,清晰和直观的优点。雷达图常用于比较多个变量在不同维度上的表现,以及展示各个变量之间的相对关系。每个变量在雷达图上的表现可以通过长度、角度、面积等方式进行表示。通过观察雷达图的形状和变化,可以直观地了解各个变量的相对重要性、差异程度和趋势。