python画图|极坐标中画直方图

python极坐标画图时，不仅可以画实线图，画散点图，也可以直方图。

实线图画法如下述链接。

python画图|极坐标画图基础教程-CSDN博客

散点图画法如下述链接。

python画图|极坐标中画散点图-CSDN博客

今天我们一起学习一下直方图画法。

【1】官网教程

首先依然是导航到官网，乖乖学习官网教程：

https://matplotlib.org/stable/gallery/pie_and_polar_charts/polar_bar.html#sphx-glr-gallery-pie-and-polar-charts-polar-bar-py

 官网运行示例代码，在极坐标汇总画出了直方图，为此我对代码做了注释。

【2】代码解读

最初依然是numpy和matplotlib定义：

import matplotlib.pyplot as plt #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算

然后是定义一批数据用于画图：

np.random.seed(19680801)  #定义随机数种子

# Compute pie slices
N = 20 #定义常数
theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False) #在[0,2pi)中取20个点
radii = 10 * np.random.rand(N) #输出20个随机数，每个随机数*10后赋值给r

先定义了随机数种子，然后要求定义20个随机数，这些随机数扩大10倍后背赋值给r。

theta直接在[0,2pi)中取20个点，因为一个圆周360°，转化为弧度就是2pi，所以追踪这20个点刚好可以在极坐标中旋转一圈。

然后继续定义了width和colors：

width = np.pi / 4 * np.random.rand(N) #定义方块宽度
colors = plt.cm.viridis(radii/10. ) #定义颜色

 最后是定义要画极坐标图：

ax = plt.subplot(projection='polar') #定义要画极坐标图

出图之前详细定义了图形属性：

ax.bar(theta, radii, width=width, bottom=0, color=colors, alpha=0.5) #定义极坐标中要画成方块

plt.show() #输出图形

最后的输出结果为：

 

图1

【3】修改代码

【3.1】将N=20改为N=100

N=20到N=100，是将随机数增多，相应增多极坐标的点，具体的输出结果为：

图2

输出结果如图2所示，方块变多，交织重叠在一起。

【3.2】将ax.bar中的 bottom=0改为bottom=radii

由图2可见，不同的方块交织重叠在一起，对图片分析有一定影响，因此考虑将方块的起始位置改为对应的半径长度，输出结果为：

图3

由图3可见，中心区域出现了零散的空白，重叠部分已经明显消除。

【3.3】将ax.bar中的width=width改为width=0.5*width

由图3可见，在半径较大的区域，不同的方块交织依然重叠在一起，对图片分析依然有一定影响，因此考虑将方块的宽度改为原来的一半，此时的输出结果为：

图4

由图4可见， 在半径较大的区域，不同的方块交织少量重叠在一起，图片的阅读更加轻松便捷。

【3.4】增加ax.set_rticks([0.5, 5.5, 10.5, 16])

图1到图4均输出了较为密集的坐标轴（圆圈），为降低坐标轴的密度，尝试自主设定需要输出的坐标轴内半径，在ax.bar()前一行增加ax.set_rticks([0.5, 5.5, 10.5, 16])代码。此时的输出结果为：

图5

由图5可见，图片按照设定的代码，依次输出了半径为[0.5,5,5,10.5,16]的圆圈。

【3.5】增加图名

图片需要一个名字，为此在plt.show()前面增加一行代码：

ax.set_title("A bar plot on a polar axis", va='bottom') #设置图名

此时的输出结果为：

图6

由图可见，图名已经显示。

完整代码如下：

import matplotlib.pyplot as plt #引入matplotlib模块画图
import numpy as np #引入numpy模块做数学计算

# Fixing random state for reproducibility
np.random.seed(19680801)  #定义随机数种子

# Compute pie slices
N = 100 #定义常数
theta = np.linspace(0.0, 2 * np.pi, N, endpoint=False) #在[0,2pi)中取20个点
radii = 10 * np.random.rand(N) #输出20个随机数，每个随机数*10后赋值给r

width = np.pi / 4 * np.random.rand(N) #定义方块宽度
colors = plt.cm.viridis(radii/10. ) #定义颜色
ax = plt.subplot(projection='polar') #定义要画极坐标图
ax.set_rticks([0.5, 5.5, 10.5, 16]) #设置输出坐标
ax.bar(theta, radii, width=0.5*width, bottom=radii, color=colors, alpha=0.5) #定义极坐标中要画成方块
ax.set_title("A bar plot on a polar axis", va='bottom') #设置图名

plt.show() #输出图形

【4】同时输出直方图、散点图和实线图

在前述学习过程中，已经掌握实线图和散点图的画法，此处将它们同时输出：

在前述完整代码中，自colors以下，更改为：

fig,[ax1,ax2,ax3] = plt.subplots(1, 3, sharey=True, figsize=(6, 2)) #定义画图

这里要求绘制1行3列的图形，共享Y轴 。

绘制直方图：

ax1 = fig.add_subplot(1,3,1,projection='polar')
b=ax1.bar(theta, radii, width=0.5*width, bottom=radii, color=colors, alpha=0.5) #定义极坐标中要画成方块
ax1.set_title("A bar plot on a polar axis", va='bottom') #设置图名

绘制散点图：

ax2 = fig.add_subplot(1,3,2,projection='polar')
c=ax2.scatter(theta, radii,c=radii,s=15*radii,cmap='hsv', alpha=0.5) #定义极坐标中要画成散点图
ax2.set_title("A scatter plot on a polar axis", va='bottom') #设置图名

绘制实线图：

ax3 = fig.add_subplot(1,3,3,projection='polar')
a=ax3.plot(theta, radii,  alpha=0.5) #定义极坐标中要画成实线
ax3.set_title("A bar plot on a polar axis", va='bottom') #设置图名

输出图形：

plt.show() #输出图形

输出结果为：

图7

图7输出了三种极坐标图形。

在图7的基础上，我们看到出现了方框，下一步将其删除。增加一行代码在fig,[ax1,ax2,ax3] = plt.subplots(1, 3, sharey=True, figsize=(6, 2)) #定义画图之下，改后为：

fig,[ax1,ax2,ax3] = plt.subplots(1, 3, sharey=True, figsize=(6, 2)) #定义画图
fig.delaxes(ax1) #删除图1方框
fig.delaxes(ax2) #删除图2方框
fig.delaxes(ax3) #删除图3方框

此时的输出结果为;

图8

可见图8中所有方框都不显示了。

【5】总结

本文学习了画极坐标下的直方图，灵活修改了方块的位置、宽度等属性。此外成功实现同时在极坐标下输出直方图、散点图和实线图。