南宁商城开发seo研究中心怎么了

比较（二）利用python绘制雷达图

雷达图（Radar Chart）简介

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。

快速绘制

1. 基于matplotlib

   import matplotlib.pyplot as plt
   import pandas as pd
   from math import pi# 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]
   })# 计算变量个数
   categories=list(df)[1:]
   N = len(categories)# 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 += values[:1] # 闭合圆形图，需要在末尾增加一个与起始相同的值# 计算每个轴的角度
   angles = [n / float(N) * 2 * pi for n in range(N)] # 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)# 将每个变量绘制在极坐标上
   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)# 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()
   

   

定制多样化的雷达图

自定义雷达图一般是结合使用场景对相关参数进行修改，并辅以其他的绘图知识。参数信息可以通过官网进行查看，其他的绘图知识则更多来源于实战经验，大家不妨将接下来的绘图作为一种学习经验，以便于日后总结。

1. 一图绘制多个雷达图

   import matplotlib.pyplot as plt
   import pandas as pd
   from math import pi# 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]
   })# 计算变量个数
   categories=list(df)[1:]
   N = len(categories)# 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 += values[:1] # 闭合圆形图，需要在末尾增加一个与起始相同的值# 计算每个轴的角度
   angles = [n / float(N) * 2 * pi for n in range(N)] # 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(pi / 2)
   ax.set_theta_direction(-1)# 将每个变量绘制在极坐标上
   plt.xticks(angles[:-1], categories)# y标签
   ax.set_rlabel_position(0)
   plt.yticks([10,20,30], ["10","20","30"], color="grey", size=7)
   plt.ylim(0,40)# 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)# 图例
   plt.legend(loc='upper right', bbox_to_anchor=(0.1, 0.1))plt.show()
   

   

2. 分组雷达图

   import matplotlib.pyplot as plt
   import pandas as pd
   from math import pi# 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=list(df)[1:]N = len(categories)# 计算角度angles = [n / float(N) * 2 * 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(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))
   

   

总结

以上通过matplotlib结合极坐标绘制雷达图，并通过其他绘图知识自定义各种各样的雷达图来适应相关使用场景。

共勉～