【大数据处理与可视化】雷达图＋箱型图

一、雷达图

       雷达图是一种显示多变量数据的图形方法。通常从同一中心点开始等角度间隔地射出三个以上的轴，每个轴代表一个定量变量，各轴上的点依次连接成线或几何图形。雷达图可以用来在变量间进行对比，或者查看变量中有没有异常值。另外，多幅雷达图之间或者雷达图的多层数据线之间，还可以进行总体数值情况的对比。轴的相对位置和角度通常是无信息的。每个变量都具有自己的轴，彼此间的距离相等，所有轴都有相同的刻度。在将数据映射到这些轴上时，需要注意预先对数值进行标准化处理，保证各个轴之间的数值比例能够做同级别的比较。

1、一个简单的示例：

# 导入必要的库
import matplotlib.pyplot as plt
import pandas as pd
from math import pi

# 1、设置中文字体支持（解决中文显示问题）
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用黑体作为默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决负号显示异常问题

# 2、创建测试数据（雷达图数据框架）
df = pd.DataFrame({
    'group': ['A','B','C','D'],  # 分组标签
    '专业知识': [38, 1.5, 30, 4],   # 各维度数据（后续同理）
    '社交能力': [29, 10, 9, 34],
    '领导能力': [15, 39, 23, 24],
    '自我管理': [35, 31, 33, 14],
    '学习能力': [32, 15, 32, 14]
})

# 3、雷达图参数设置
categories = list(df)[1:]  # 提取维度名称（排除group列）
N = len(categories)         # 维度数量（5个）

# 4、准备绘图数据（以第一组数据A为例）
values = df.loc[0].drop('group').values.flatten().tolist()  # 提取A组数值
values += values[:1]  # 闭合雷达图：将第一个值添加到列表末尾

# 5、计算每个维度的角度（极坐标转换）
angles = [n / float(N) * 2 * pi for n in range(N)]  # 0到2π均匀分布的角度
angles += angles[:1]  # 闭合角度序列

# 6、创建极坐标系子图
ax = plt.subplot(111, polar=True)  # polar=True创建极坐标

# 7、设置维度标签（坐标轴刻度）
plt.xticks(angles[:-1], categories, color='grey', size=8)   # 在每个角度位置设置刻度# 显示维度名称# 标签样式设置（颜色大小）

# 8、设置径向坐标（半径刻度）
ax.set_rlabel_position(0)  # 将半径刻度标签角度设置为0度（正上方）
plt.yticks([10, 20, 30], ["10","20","30"], color="grey", size=7)    # 设置径向刻度位置# 刻度标签# 标签样式设置（颜色大小）
plt.ylim(0, 40)  # 设置径向坐标范围（0到40）

# 9、绘制雷达图轮廓
ax.plot(angles, values, color='#81AD70', linewidth=1, linestyle='solid')

# 10、填充雷达图区域
ax.fill(angles, values, color= '#A7C587', alpha=0.5)      

# 显示图形
plt.show()

2、更多的示例：

# ----------- 库导入 ----------- 
import matplotlib.pyplot as plt
import pandas as pd
from math import pi
 
# ----------- 数据准备 -----------
df = pd.DataFrame({
    'group': ['A','B','C','D'],      # 组别标识
    'var1': [38, 1.5, 30, 4],        # 变量1数据
    'var2': [29, 10, 9, 34],         # 变量2数据
    'var3': [8, 39, 23, 24],        # 变量3数据
    'var4': [7, 31, 33, 14],        # 变量4数据
    'var5': [28, 15, 32, 14]        # 变量5数据
})
 
# ----------- 第一部分：定义单个蜘蛛图绘制函数 -----------
def make_spider(row, title, color):
    """ 绘制单个蜘蛛图
    参数：
        row   : 数据行索引 
        title : 图表标题
        color : 颜色配置
    """
    # 获取变量数量（排除group列）
    categories = list(df.columns)[1:]
    N = len(categories)

    # 计算每个变量的角度（将圆周等分为N份）
    angles = [n / float(N) * 2 * pi for n in range(N)]
    angles += angles[:1]  # 闭合曲线

    # 初始化极坐标子图（2x2布局）
    ax = plt.subplot(2, 2, row+1, polar=True)

    # 极坐标轴调整：将第一个轴置于顶部，方向顺时针
    ax.set_theta_offset(pi / 2)      # 起始角度偏移90度
    ax.set_theta_direction(-1)       # 顺时针方向绘制

    # 设置刻度标签：变量名称
    plt.xticks(angles[:-1], categories, color='grey', size=8)

    # 设置径向标签：数值刻度
    ax.set_rlabel_position(0)  # 刻度标签位置（角度）
    plt.yticks([10, 20, 30], ["10","20","30"], color="grey", size=7)
    plt.ylim(0, 40)  # 固定刻度范围确保可比性

    # 数据处理：获取当前行数据并闭合曲线
    values = df.loc[row].drop('group').values.flatten().tolist()
    values += values[:1]  # 首尾相连形成闭合
    
    # 绘制轮廓线及填充区域
    ax.plot(angles, values, color=color, linewidth=2, linestyle='solid')
    ax.fill(angles, values, color=color, alpha=0.4)  # 半透明填充

    # 添加带颜色标识的标题
    plt.title(title, size=12, color=color, y=1.1)  # y参数控制垂直位置
 
# ----------- 第二部分：生成全图 -----------
# 初始化画布（像素级尺寸控制）
my_dpi = 96
plt.figure(figsize=(1000/my_dpi, 1000/my_dpi), dpi=my_dpi)
 
# 创建颜色映射（使用Set2色板，按数据行数采样）
my_palette = plt.cm.get_cmap("Set2", len(df.index))
 
# 循环绘制每个数据组的蜘蛛图
for row in range(0, len(df.index)):
    make_spider(
        row=row,
        title='组别 ' + df['group'][row],  # 动态生成标题
        color=my_palette(row)             # 按索引分配颜色
    )

# 显示图形
plt.show()

二、箱型图

       箱形图是一种用作显示一组数据分布情况的统计图，因型状如箱子而得名。箱子的顶端和底端，分别代表上下四分位数。箱子中间的是中位数线，它将箱子一分为二。从箱子延伸出去的线条展现出了上下四分位数以外的数据，这代表离群值，也可称之为异常值。

       箱形图最大的优势是，它以一种简单的方式，概括出一个或多个数值变量的分布，同时又不会占据太多空间。通过箱形图，我们可以很快知道一些关键的统计值，如中位数、上下四分位数等；也可以分析是否存在离群值、离群值分别是多少；整体来看，还可以检验数据是否对称、是否有偏向性，如果有，它偏向于哪一边；最后，我们还可以用多个箱型图，比较多组数据的分布，从而快速获得对数据结构、数据质量的认知。

1、简单的箱型图（需自己导入数据到df之后使用）：

# 1、导入matplotlib的pyplot模块，通常别名为plt
import matplotlib.pyplot as plt

# 2、创建图形(figure)和坐标轴(axes)对象# figsize参数设置图形大小为8英寸宽×6英寸高（1英寸≈2.54厘米）
fig, ax = plt.subplots(figsize=(8,6))

# 3、在坐标轴上创建箱线图
# 使用DataFrame的'temp'列数据绘制箱线图 （默认显示：中位线、箱体范围、须线、离群点等统计特征）
boxplot = ax.boxplot(df['temp'])

# 4、设置坐标轴标签和标题
ax.set_xlabel('Column')   # X轴标签（这里可以更具体，比如'Temperature'）
ax.set_ylabel('Values')   # Y轴标签（建议明确量纲，如'Temperature (°C)'）
ax.set_title('Boxplot')   # 图标题（可以更具体，如'Temperature Distribution'）

# 5、显示图形窗口
plt.show()

2、以上箱型图更改颜色后：

# 1、导入matplotlib的pyplot模块
import matplotlib.pyplot as plt

# 2、创建画布和坐标轴（8英寸宽×6英寸高）
fig, ax = plt.subplots(figsize=(8,6))

# 3、创建箱线图并启用颜色填充（关键参数说明），patch_artist=True 允许自定义箱体颜色 # 其他默认参数：whis=1.5（须线范围），vert=True（垂直方向）
boxplot = ax.boxplot(df['temp'], patch_artist=True)

# 4、定义颜色配置方案
box_color =  '#CCE198'      # 箱体填充色
whisker_color = '#81AD70'       # 须线颜色
cap_color = '#81AD70'           # 须线端点颜色
flier_color = 'red'          # 离群点颜色
median_color = '#81AD70'         # 中位线颜色



# 5、设置箱线图各部件样式（进阶定制）
plt.setp(boxplot['boxes'], color=box_color)           # 箱体边框颜色
plt.setp(boxplot['whiskers'], color=whisker_color)    # 须线颜色
plt.setp(boxplot['caps'], color=cap_color)            # 须线端点颜色
plt.setp(boxplot['fliers'], markerfacecolor=flier_color)  # 离群点填充色
plt.setp(boxplot['medians'], color=median_color)      # 中位线颜色

# 6、设置坐标轴和标题（建议更具体的标签）
ax.set_xlabel('Column')          
ax.set_ylabel('Values')        
ax.set_title('Boxplot')        

# 7、显示图形
plt.show()

3、更多的示例（2）：

# 导入必要的库
import matplotlib.pyplot as plt
import numpy as np
from matplotlib.patches import Polygon  # 虽然导入但未使用，可以删除

# 固定随机种子保证结果可复现
np.random.seed(19680801)

# 1 # 第一部分：生成测试数据
# 生成模拟数据（包含正常值和离群值）
spread = np.random.rand(50) * 100          # 50个散布在0-100的值
center = np.ones(25) * 50                  # 25个集中在50的值
flier_high = np.random.rand(10) * 100 + 100  # 10个高位离群值（100-200）
flier_low = np.random.rand(10) * -100      # 10个低位离群值（-100-0）
data = np.concatenate((spread, center, flier_high, flier_low))  # 合并成数据集

# 2 # 第二部分：创建2x3子图画布
fig, axs = plt.subplots(2, 3)

# 第一个子图：基础箱线图
axs[0, 0].boxplot(data)
axs[0, 0].set_title('basic plot')

# 第二个子图：带缺口的箱线图（notch=True）
axs[0, 1].boxplot(data, 1)  # 第二个参数1表示notch=True
axs[0, 1].set_title('notched plot')

# 第三个子图：修改离群点符号（绿色菱形）
axs[0, 2].boxplot(data, 0, 'gD')  # 'gD'表示绿色菱形标记
axs[0, 2].set_title('change outlier\npoint symbols')

# 第四个子图：不显示离群点
axs[1, 0].boxplot(data, 0, '')     # 空字符串表示不显示
axs[1, 0].set_title("don't show\noutlier points")

# 第五个子图：水平箱线图
axs[1, 1].boxplot(data, 0, 'rs', 0)  # 0表示vert=False（水平显示）
axs[1, 1].set_title('horizontal boxes')

# 第六个子图：修改须线长度（whis=0.75）
axs[1, 2].boxplot(data, 0, 'rs', 0, 0.75)  # 最后0.75设置须线长度
axs[1, 2].set_title('change whisker length')

# 调整子图布局参数
fig.subplots_adjust(
    left=0.08, right=0.98,   # 左右边距
    bottom=0.05, top=0.9,    # 下上边距
    hspace=0.4, wspace=0.3   # 子图水平和垂直间距
)

# 3 # 第三部分：多数据集箱线图
# 生成新的测试数据
spread = np.random.rand(50) * 100
center = np.ones(25) * 40                # 中心值改为40
flier_high = np.random.rand(10) * 100 + 100
flier_low = np.random.rand(10) * -100
d2 = np.concatenate((spread, center, flier_high, flier_low))

# 创建包含不同长度数据集的列表（注意最后一个元素是d2的每隔一个取一个值）
data = [data, d2, d2[::2]]  # 使用列表处理不同长度的数据集

# 创建新图画多组箱线图
fig, ax = plt.subplots()
ax.boxplot(data)  # 自动按不同数据集绘制多个箱线图

# 显示所有图形
plt.show()

4、更多的示例（2）：

# 导入必要的库
import matplotlib.pyplot as plt
import numpy as np

# 定义要比较的分布名称列表
random_dists = ['Normal(1, 1)', 'Lognormal(1, 1)', 'Exp(1)', 'Gumbel(6, 4)', 'Triangular(2, 9, 11)']
N = 500  # 每个分布的样本数量

# 生成不同分布的随机数据
norm = np.random.normal(1, 1, N)        # 正态分布
logn = np.random.lognormal(1, 1, N)     # 对数正态分布
expo = np.random.exponential(1, N)      # 指数分布
gumb = np.random.gumbel(6, 4, N)        # 耿贝尔分布
tria = np.random.triangular(2, 9, 11, N) # 三角分布

# 生成用于自助法（Bootstrap）重采样的索引（所有分布使用相同的索引）
bootstrap_indices = np.random.randint(0, N, N)
# 创建包含原始数据和重采样数据的列表（交替排列）
data = [
    norm, norm[bootstrap_indices],       # 原始正态分布和重采样
    logn, logn[bootstrap_indices],       # 原始对数正态和重采样
    expo, expo[bootstrap_indices],       # 原始指数分布和重采样
    gumb, gumb[bootstrap_indices],       # 原始耿贝尔和重采样
    tria, tria[bootstrap_indices],       # 原始三角分布和重采样
]

# 创建画布和子图
fig, ax1 = plt.subplots(figsize=(10, 6))
fig.canvas.manager.set_window_title('A Boxplot Example')  # 设置窗口标题
fig.subplots_adjust(left=0.075, right=0.95, top=0.9, bottom=0.25)  # 调整边距

# 绘制箱线图（关键参数说明）：
# notch=False 不显示缺口，sym='+' 离群点符号，vert=True 垂直显示，whis=1.5 须线范围
bp = ax1.boxplot(data, notch=False, sym='+', vert=True, whis=1.5)

# 设置箱线图样式
plt.setp(bp['boxes'], color='black')      # 箱体边框颜色
plt.setp(bp['whiskers'], color='black')   # 须线颜色
plt.setp(bp['fliers'], color='red', marker='+')  # 离群点样式

# 添加浅灰色横向网格线
ax1.yaxis.grid(True, linestyle='-', which='major', color='lightgrey', alpha=0.5)

# 设置坐标轴和标题
ax1.set(
    axisbelow=True,  # 网格线在数据下方
    title='Comparison of IID Bootstrap Resampling Across Five Distributions',
    xlabel='Distribution',
    ylabel='Value',
)

# 1 # 箱体颜色填充和中位数标记
box_colors = ['#81AD70', '#CCE198']  # 交替使用的两种颜色
num_boxes = len(data)
medians = np.empty(num_boxes)  # 存储每个箱体的中位数值

for i in range(num_boxes):
    # 获取每个箱体的坐标并填充颜色
    box = bp['boxes'][i]
    box_coords = np.column_stack([box.get_xdata(), box.get_ydata()])
    ax1.add_patch(Polygon(box_coords, facecolor=box_colors[i % 2]))  # 交替颜色
    
    # 绘制中位线（覆盖在填充颜色上）
    med = bp['medians'][i]
    ax1.plot(med.get_xdata(), med.get_ydata(), 'k')  # 黑色中位线
    medians[i] = med.get_ydata()[0]  # 记录中位数值
    
    # 在箱体上方添加平均值星号标记（白色星星+黑色描边）
    ax1.plot(np.average(med.get_xdata()), np.average(data[i]),
             color='w', marker='*', markeredgecolor='k')

# 2 # 坐标轴调整
ax1.set_xlim(0.5, num_boxes + 0.5)  # X轴范围
ax1.set_ylim(-5, 40)                # Y轴范围
# 设置X轴标签（重复每个分布名称两次，对应原始和重采样）
ax1.set_xticklabels(np.repeat(random_dists, 2), rotation=45, fontsize=8)

# 3 # 在上方添加中位数数值标签
pos = np.arange(num_boxes) + 1  # 标签位置
upper_labels = [str(round(s, 2)) for s in medians]  # 保留两位小数
for tick, label in zip(range(num_boxes), ax1.get_xticklabels()):
    # 交替使用粗体和半粗体，颜色与箱体对应
    k = tick % 2
    ax1.text(pos[tick], 0.95, upper_labels[tick],  # 0.95表示Y轴顶部附近
             transform=ax1.get_xaxis_transform(),  # 使用轴坐标系
             horizontalalignment='center', size='x-small',
             weight=weights[k], color=box_colors[k])

# 4 # 添加图例说明
# 原始数据说明（右下角）
fig.text(0.80, 0.08, f'{N} Random Numbers', backgroundcolor=box_colors[0], 
         color='black', weight='roman', size='x-small')
# 重采样数据说明
fig.text(0.80, 0.045, 'IID Bootstrap Resample', backgroundcolor=box_colors[1],
         color='white', weight='roman', size='x-small')
# 平均值标记说明（使用星号）
fig.text(0.80, 0.015, '*', color='white', backgroundcolor='silver',
         weight='roman', size='medium')
fig.text(0.815, 0.013, ' Average Value', color='black', 
         weight='roman', size='x-small')

plt.show()