python可视化-雷达图

雷达图可以用来比较多个定量变量，也可以用于查看数据集中变量的得分高低，是显示性能表现的理想之选。缺点是变量过多容易造成阅读困难。

1、数据

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 自定义数据
df = pd.DataFrame({
'group': ['A','B','C','D'],
'var1': [38, 1.5, 30, 4],
'var2': [29, 10, 9, 34],
'var3': [8, 39, 23, 24],
'var4': [7, 31, 33, 14],
'var5': [28, 15, 32, 14]
})

var_names = df.columns[1:]

2、基于matplotlib的雷达图

# 计算每个轴的角度
angles = [i/float(len(var_names))*2*math.pi for i in range(len(var_names))]  # 每个变量的角度位置
angles += angles[:1]  # 闭合圆形图，需要在末尾增加一个与起始相同的值



# 仅绘制第一行数据的雷达图
# values = df.loc[0].drop('group').values.flatten().tolist() # 获取第一行数据，剔除group
values = df[var_names].iloc[0,:].values.flatten().tolist()
values += values[:1] # 闭合圆形图，需要在末尾增加一个与起始相同的值


# 初始化布局
ax = plt.subplot(111, polar=True)

plt.xticks(angles[:-1], var_names, color='grey', size=8)
# y标签
ax.set_rlabel_position(0)
plt.yticks([10,20,30], ["10","20","30"], color="grey", size=7)
plt.ylim(0,40)

# 绘制数据
ax.plot(angles, values, linewidth=1, linestyle='solid')
# 填充区域颜色
ax.fill(angles, values, 'b', alpha=0.1)

plt.show()

3、一图绘制多个雷达图 

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 自定义数据
df = pd.DataFrame({
'group': ['A','B','C','D'],
'var1': [38, 1.5, 30, 4],
'var2': [29, 10, 9, 34],
'var3': [8, 39, 23, 24],
'var4': [7, 31, 33, 14],
'var5': [28, 15, 32, 14]
})

var_names = df.columns[1:]

# 计算每个轴的角度
angles = [i/float(len(var_names))*2*math.pi for i in range(len(var_names))]  # 每个变量的角度位置
angles += angles[:1]  # 闭合圆形图，需要在末尾增加一个与起始相同的值


# 初始化布局
ax = plt.subplot(111, polar=True)

# 偏移-将第一个轴位于顶部
ax.set_theta_offset(math.pi / 2)
ax.set_theta_direction(-1)

# 添加多个极坐标图
# 绘制第一个图
values = df.loc[0].drop('group').values.flatten().tolist()
values += values[:1]
ax.plot(angles, values, linewidth=1, linestyle='solid', label="group A")
ax.fill(angles, values, 'b', alpha=0.1)

# 绘制第二个图
values = df.loc[1].drop('group').values.flatten().tolist()
values += values[:1]
ax.plot(angles, values, linewidth=1, linestyle='solid', label="group B")
ax.fill(angles, values, 'r', alpha=0.1)

plt.xticks(angles[:-1], var_names)
ax.set_rlabel_position(0)
plt.yticks([10,20,30], ["10","20","30"], color="grey", size=7)
plt.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1))

plt.show()

4、分组雷达图

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import math

# 自定义数据
df = pd.DataFrame({
'group': ['A','B','C','D'],
'var1': [38, 1.5, 30, 4],
'var2': [29, 10, 9, 34],
'var3': [8, 39, 23, 24],
'var4': [7, 31, 33, 14],
'var5': [28, 15, 32, 14]
})


# 自定义函数-每一行绘制一个雷达图
def make_spider(row, title, color):

 # 计算变量个数
    categories = df.columns[1:]
    N = len(categories)

 # 计算角度
    angles = [n / float(N) * 2 * math.pi for n in range(N)]
    angles += angles[:1]

 # 初始化布局
    ax = plt.subplot(2,2,row+1, polar=True)

 # 偏移至顶部
    ax.set_theta_offset(math.pi / 2)
    ax.set_theta_direction(-1)

 # x标签
    plt.xticks(angles[:-1], categories, color='grey', size=8)

 # y标签
    ax.set_rlabel_position(0)
    plt.yticks([10,20,30], ["10","20","30"], color="grey", size=7)
    plt.ylim(0,40)

 # 极坐标图
    values = df.loc[row].drop('group').values.flatten().tolist()
    values += values[:1]
    ax.plot(angles, values, color=color, linewidth=2, linestyle='solid')
    ax.fill(angles, values, color=color, alpha=0.4)

 # 标题
    plt.title(title, size=11, color=color, y=1.1)

# 图标参数
my_dpi=96
plt.figure(figsize=(1000/my_dpi, 1000/my_dpi), dpi=my_dpi)

# 调色板
my_palette = plt.cm.get_cmap("Set2", len(df.index))

# 绘制多个图
for row in range(0, len(df.index)):
    make_spider(row=row, title='group '+df['group'][row], color=my_palette(row))
    
plt.show()