Python绘制雷达图：实现不同指标对应不同单位量度

解决的问题场景

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。

图1 传统雷达图（数据范围大致相同）

但是如果每个指标对应统计数据范围差别很大，那使用单位刻度相同的雷达图表示出来就会很影响感官，几乎失去了比较分析的功能。

举个例子，如果我们要可视化这样一组数据：

指标	A	B
1	4.58	7.03
2	7.52	7.60
3	51.20	54.27
4	49.67	60.60
5	19.72	13.34

很显然，这五组数据的范围差别很大，如果继续用传统的单位刻度一样的雷达图画出来会很混乱，所以要解决这个问题，通常有两种方法，一种是将所有统计数据归一化，把它们都限定在0-1的范围内，再用传统的雷达图绘制。

第二种，就是今天要介绍的不同单位量度的雷达图。

效果图

先直接上效果图，用的数据就是上面的那五组数据，只是标签名字换了一下而已。

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。

上代码

import numpy as np
import matplotlib.pyplot as plt

class Radar(object):
    
    def __init__(self, figure, title, labels,epoch,rect=None):
        if rect is None:
            rect = [0.05, 0.05, 0.9, 0.9]

        self.n = len(title)
        self.angles = np.arange(0, 360, 360.0/self.n)

        self.axes = [figure.add_axes(rect, projection='polar', label='axes%d' % i) for i in range(self.n)]

        self.ax = self.axes[0]
        self.ax.set_thetagrids(self.angles, labels=title, fontsize=14)

        for ax in self.axes[1:]:
            ax.patch.set_visible(False)
            ax.grid(False)
            ax.xaxis.set_visible(False)
            

        
        for ax,angle,label,i in zip(self.axes,self.angles,labels,epoch):
            ax.set_rgrids(i[1:],angle=angle,labels=label)   #这里的range(1,6)应该是对应标签的个数
            ax.spines['polar'].set_visible(False)  
            ax.set_ylim(i[0],i[7]) #这里应该是对应轴的刻度
            

          
            
    def plot(self,values,*args,**kw):
        angle = np.deg2rad(np.r_[self.angles,self.angles[0]])
        limits = []
        # 把value的值进行一个换算
        limits.append(values[1]-5)
        limits.append(values[2]-50)
        limits.append((values[3]-45)/5)
        limits.append((values[4]+15)/10)
        values[1] = (limits[0])*0.5+4.5
        values[2] = (limits[1])*0.5+4.5
        values[3] = (limits[2])*0.5+4.5
        values[4] = (limits[3])*0.5+4.5
        values = np.r_[values,values[0]]
        self.ax.plot(angle,values,*args,**kw)
        
        
        
if __name__ =='__main__':
    fig = plt.figure(figsize=(8,8))
    
    #tit = list(('人均GDP/万元','年均GDP增速','第三产业占比','城镇化率','碳排放强度下降幅度'))
    tit = [1,2,3,4,5]
    
    lab = [
        list(('4.5','5.0','5.5','6.0','6.5','7.0','7.5')),
        list(('5','6','7','8','9','10','11')),
        list(('50','51','52','53','54','55','56')),
        list(('45','50','55','60','65','70','75')),
        list(('-15','-5','5','15','25','35','45')),             
    ]
    
    epo = [
            [4.0,4.5,5.0,5.5,6.0,6.5,7.0,7.5],
            [4,5,6,7,8,9,10,11],
            [49,50,51,52,53,54,55,56],
            [40,45,50,55,60,65,70,75],
            [-25,-15,-5,5,15,25,35,45]
    ]
    plt.rcParams['font.sans-serif'] = ['SimHei']
    radar = Radar(fig,tit,lab,epo)
    
    #radar.plot([4.5,5,50,45,-15],'-', lw=2, color='r', alpha=0.4, label='全国平均')   #范例
   
    #绘制图3
    radar.plot([4.58,7.52,51.20,49.67,19.72],  '-', lw=2, color='r',alpha=0.4, label='A')
    radar.plot([7.03,7.60,54.27,60.60,13.34], '-', lw=2, color='b', alpha=0.4, label='B')
    
    radar.ax.legend()       

    
    plt.savefig('fig-3.png',dpi=300)