python详解绘制风玫瑰图

绘制风玫瑰图

# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#-------设置支持中文----------------------#
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei']   #设置简黑字体
mpl.rcParams['axes.unicode_minus'] = False
#-------自定义坐标轴刻度格式----------------#
from matplotlib.ticker import FuncFormatter

创建数据集：

np.random.seed(0)
data = pd.DataFrame(np.random.randint(20, 300, (4, 16)), 
                    index=['0~0.2', '0.3~1.5', '1.6~3.3', '3.4~5.4'],
                    columns='N NNE NE ENE E ESE SE SSE S SSW SW WSW W WNW NW NNW'.split())
data   #风速选择了4段，每列数据表示各方向风速的频数统计值

	N	NNE	NE	ENE	E	ESE	SE	SSE	S	SSW	SW	WSW	W	WNW	NW	NNW
0~0.2	192	67	137	212	271	215	29	231	297	262	107	90	108	213	59	107
0.3~1.5	194	108	185	45	92	285	135	263	217	119	197	263	167	167	285	205
1.6~3.3	147	52	51	222	264	171	183	203	48	148	148	73	58	264	293	125
3.4~5.4	62	51	277	77	139	287	102	111	119	73	141	104	223	282	67	147

绘制频数风速玫瑰图：

N = 16 # 风速分布为16个方向
theta = np.linspace(0, 2*np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N  # 绘制扇型的宽度，可以自行调整
labels = list(data.columns) # 自定义坐标标签为 N ， NSN， ……
# 开始绘图
plt.figure(figsize=(8,8))
ax = plt.subplot(111, projection='polar')
for idx in data.index:
    # 每一行绘制一个扇形
    radii = data.loc[idx] # 每一行数据
    ax.bar(theta, radii, width=width, bottom=0.0, label=idx, tick_label=labels)
plt.title('风玫瑰图示意图')
plt.legend(loc=4, bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()

已经可以初步满足需求了，不过我们发现N位置差了90°，而且为了满足‘上北下南左西右东’的习惯，需要逆时针方向绘制。所以做两个修改：

N = 16 # 风速分布为16个方向
theta = np.linspace(0, 2*np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N  # 绘制扇型的宽度，可以自行调整
labels = list(data.columns) # 自定义坐标标签为 N ， NSN， ……
# 开始绘图
plt.figure(figsize=(8,8))
ax = plt.subplot(111, projection='polar')
for idx in data.index:
    # 每一行绘制一个扇形
    radii = data.loc[idx] # 每一行数据
    ax.bar(theta, radii, width=width, bottom=0.0, label=idx, tick_label=labels)
#------------------------------------#
ax.set_theta_zero_location('N') #设置零度方向北
ax.set_theta_direction(-1)    # 逆时针方向绘图
plt.title('风玫瑰图示意图')
plt.legend(loc=4, bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()

这样基本满足我们的需求了，但是有的时候我们需要绘制百分比玫瑰图，下面我们讨论如何制作百分比风玫瑰图：

数据转化为百分比

_sum = data.apply(np.sum)
data = data / _sum
data

	N	NNE	NE	ENE	E	ESE	SE	SSE	S	SSW	SW	WSW	W	WNW	NW	NNW
0~0.2	0.322689	0.241007	0.210769	0.381295	0.353786	0.224426	0.064588	0.285891	0.436123	0.435216	0.180438	0.169811	0.194245	0.230022	0.083807	0.183219
0.3~1.5	0.326050	0.388489	0.284615	0.080935	0.120104	0.297495	0.300668	0.325495	0.318649	0.197674	0.332209	0.496226	0.300360	0.180346	0.404830	0.351027
1.6~3.3	0.247059	0.187050	0.078462	0.399281	0.344648	0.178497	0.407572	0.251238	0.070485	0.245847	0.249578	0.137736	0.104317	0.285097	0.416193	0.214041
3.4~5.4	0.104202	0.183453	0.426154	0.138489	0.181462	0.299582	0.227171	0.137376	0.174743	0.121262	0.237774	0.196226	0.401079	0.304536	0.095170	0.251712

数据转化成功，我们绘制图片唯一要修改的就是yaxis（本质是bar图，我们仔细观察上面的图不难发现原因）刻度的表达，将其转化为百分比：

N = 16 # 风速分布为16个方向
theta = np.linspace(0, 2*np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N  # 绘制扇型的宽度，可以自行调整
labels = list(data.columns) # 自定义坐标标签为 N ， NSN， ……
# 开始绘图
plt.figure(figsize=(8,8))
ax = plt.subplot(111, projection='polar')
for idx in data.index:
    # 每一行绘制一个扇形
    radii = data.loc[idx] # 每一行数据
    ax.bar(theta, radii, width=width, bottom=0.0, label=idx, tick_label=labels)
#------------------------------------#
ax.set_theta_zero_location('N') #设置零度方向北
ax.set_theta_direction(-1)    # 逆时针方向绘图
#--------自定义yaxis的刻度格式-----------#
plt.gca().yaxis.set_major_formatter(FuncFormatter(lambda s, position: '{:.0f}%'.format(100*s)))
plt.title('风玫瑰图示意图')
plt.legend(loc=4, bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()

数据遮挡处理

细心的同学可能已经发现，由于数据绘制是按行来绘制的，那么如果先绘制的数据值比较小的话，会被后面的数据遮挡。以风频数据为例，处理思路如下：

1. 按列绘制数据（先处理同一风向的数据）
2. 每列中先将数值较大的绘制出来-解决遮挡的问题
3. 最后一列处理下图例

此外加入了自定义颜色（根据风向分类条数自定义）

• 完整代码如下

# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#-------设置支持中文----------------------#
import matplotlib as mpl

mpl.rcParams['font.sans-serif'] = ['PingFang HK'] #设置字体
mpl.rcParams['axes.unicode_minus'] = False


def plot_bar(ax, theta, values, width, colors):
    plt_data = [(i, values[i]) for i in range(len(values))]
    for idx, data in sorted(plt_data, key=lambda s: s[-1], reverse=True):
        ax.bar(theta, data, width, color=colors[idx])


def lengend_plot(ax, theta, values, width, colors):
    plt_data = [(i, values[i]) for i in range(len(values))]
    for idx, data in sorted(plt_data, key=lambda s: s[-1], reverse=True):
        p = ax.bar(theta, data, width, color=colors[idx])
        yield (idx, p)


if __name__ == "__main__":
    # 生成数据
    np.random.seed(0)
    data = pd.DataFrame(np.random.randint(20, 300, (4, 8)),
                        index=['0~0.2', '0.3~1.5', '1.6~3.3', '3.4~5.4'],
                        columns='N NE E SE S SW W NW'.split())

    N = data.shape[-1] # 由数据模板获取风向类别
    theta = np.linspace(0, 2 * np.pi, N, endpoint=False) # 获取16个方向的角度值
    width = np.pi / N # 绘制扇型的宽度，可以自行调整
    labels = data.columns.to_list() # 获取标签
    colors = ['#060080', '#00D5FF', '#FFE600',
              '#800000'] # 自定义颜色，颜色的尺寸必须与数据的分类条数一致

    # 开始绘图
    plt.figure(figsize=(10, 8))
    ax = plt.subplot(111, projection='polar')

    for i in range(N - 1):
        values = data.iloc[:, i].to_list()
        plot_bar(ax, theta[i], values, width, colors)

    handles = lengend_plot(ax, theta[N - 1], data.iloc[:, N - 1], width,
                           colors)
    handles = [p for idx, p in sorted(handles, key=lambda s: s[0])]

    ax.set_xticks(theta) # 自定义坐标轴标签
    ax.set_xticklabels(labels)
    ax.set_theta_zero_location('N') #设置零度方向北
    ax.set_theta_direction(-1) # 逆时针方向绘图
    plt.title('风玫瑰图示意图')
    plt.legend(handles, data.index, loc=4,
               bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
    plt.show()

• 绘制结果
  
  如果喜欢的话欢迎👍点赞评论，⭐️github地址欢迎star、flow!