用python绘制极坐标雷达图_开发_开发者_运维开发者技术经验分享

综述

python的matplotlib画图库的功能非常强大，可以画很多很多种图，我们日常生活中遇到的雷达图也不例外。

雷达图也被称为网络图，蜘蛛图，星图等，是一个不规则的多边形。雷达图可以形象地展示相同事物的多维指标，应用场景非常多，比如本篇博客中，用来展示球员的不同能力的区别。

matplotlib库中的http://www.cppcns.com雷达图绘制是基于极坐标的，因此所有的数据和标签都要根据角度来计算出位置。

本篇博客将详细的解释绘制雷达图过程中的思路、过程以及各个函数方法的详细解析，如有不正确的地方欢迎大佬指正~

绘图代码和解析

绘制一张多主体雷达图

所谓多主体雷达图，就是在一张图中显示多个多边形组成的属性图，形成直观的对比。

预处理

对应的包下好，然后解决一下中文和符号显示的问题，设置默认的字体，修改绘图样式；

加载数据集（我这里的数据集来源：某绿色足球app），提取字典中的键和值分别保存在labels和score当中。

import numpy as np
import matplotlib.pyplot as plt

plt.rcParams['font.sans-serif'] = ['KaiTi']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
plt.style.use('ggplot')  # 设置ggplot主题样式

# 原始数据集并获取数据集长度
results = [{"速度": 68, "射门": 91, "传球": 83, "盘带": 83, "防守": 47, "力量": 82},
           {"速度": 88, "射门": 87, "传球": 82, "盘带": 86, "防守": 42, "力量": 69},
           {"速度": 58, "射门": 55, "传球": 70, "盘带": 67, "防守": 86, "力量": 77}]
data_length = len(results[0])

 # 将极坐标根据数据长度进行等分，形成角度列表
angles = np.linspace(0, 2 * np.pi, data_length, endpoint=False)

# 分离属性字段和数据
labels = [key for key in results[0].keys()]
score = [[v for v in result.values()] for result in results]

封闭雷达图

由于我们画出来的图是一个封闭的多边形，而我们提取出来的score、labels和angles数据的每一项并不是首尾相接的，因此我们需要把每一个列表的第一项copy一下，然后添加到列表末尾。

angles = np.concatenate((angles, [angles[0]]))
labels = np.concatenate((labels, [labels[0]]))
score_Harry = np.concatenate((score[0], [score[0][0]]))
score_Son = np.concatenate((score[1], [score[1][0]]))
score_Tobi = np.concatenate((score[2], [score[2][0]]))

这里因为我弄了三个球员的数据，所以有三条score数据。

提一下np.concatenate函数，这是一个numpy库中对多个数组进行合并的函数，参数格式为：concatenate((arr1,arr2,arr3),axis=0),第一个括号里面是要合并的数组，可以填任意个，第二个axis参数，与合并方式有关，这里我们用不到就不多赘述了。

绘制图像

绘制图像基本跟绘制条形图的步骤差不多，有几个可以注意编程客栈的点：

plot函数中，绘制条形图是按照“横坐标-纵坐标”来填写第一和第二个参数的，由于我们雷达图是基于极坐标的，matplotlib也很智能的提供了“角度-半径”的极坐标参数填写方式；

plot中的颜色只管边框颜色，fill函数中的颜色是填充颜色，可以自由组合追求美观；

fill函数中的alpha参数指的是覆盖区的透明度，越小表示越透明，区间0-1；

plt.legend图例函数中的loc，是描述图例位置的

代码如下：

# 设置图形的大小
fig = plt.figure(figsize=(8, 6), dpi=100)

# 新建一个子图
ax = plt.subplot(111, polar=True)

# 绘制雷达图并填充颜色
ax.plot(angles, score_Harry, color='orange')
ax.fill(angles, score_Harry, 'y', alpha=0.4)
ax.plot(angles, score_Son, color='b')
ax.fill(angles, score_Son, 'cyan', alpha=0.4)
ax.plot(angles, score_Tobi, color='r')
ax.fill(angles, score_Tobi, 'salmon', alpha=0.4)

# 设置雷达图中每一项的标签显示
ax.set_thetagrids(angles * 180 / np.pi, labels, fontsize=15)

ax.set_theta_zero_location('E')  # 设置0度坐标轴起始位置，东西南北

ax.set_rlim(0, 100)  # 设置雷达图的坐标刻度范围

ax.set_rlabel_position(270)  # 设置雷达图的坐标值显示角度，相对于起始角度的偏移量
ax.set_title("热刺球员能力对比图")
plt.legend(["哈里凯恩", "孙兴愍", "托比"], loc='lower left')

plt.show()

完整代码：

import numpy as np
import matplotlib.pyplot as plt

# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['KaiTi']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
plt.style.use('ggplot')  # 设置ggplot样式

# 原始数据集并获取数据集长度
results = [{"速度": 68, "射门": 91, "传球": 83, "盘带": 83, "防守": 47, "力量": 82},
           {"速度": 88, "射门": 87, "传球": 82, "盘带": 86, "防守": 42, "力量": 69},
           {"速度": 58, "射门": 55, "传球": 70, "盘带": 67, "防守": 86, "力量": 77}]
data_length = len(results[0])

angles = np.linspace(0, 2 * np.pi, data_length, endpoint=False)  # 将极坐标根据数据长度进行等分

# 分离属性字段和数据
labels = [key for key in results[0].keys()]
score = [[v for v in result.values()] for result in results]

# 使雷达图数据封闭
angles = np.concatenate((angles, [angles[0]]))
labels = np.concatenate((labels, [labels[0]]))
score_Harry = np.concatenate((score[0], [score[0][0]]))
score_Son = np.concatenate((score[1], [score[1][0]]))
score_Tobi = np.concatenate((score[2], [score[2][0]]))

# 设置图形的大小
fig = plt.figure(figsize=(8, 6),http://www.cppcns.com dpi=100)

# 新建一个子图
ax = plt.subplot(111, polar=True)

# 绘制雷达图并填充颜色
ax.plot(angles, score_Harry, color='orange')
ax.fill(angles, score_Harry, 'y', alpha=0.4)
ax.plot(angles, score_Son, color='b')
ax.fill(angles, score_Son, 'cyan', alpha=0.4)
ax.plot(angles, score_Tobi, color='r')
ax.fill(angles, score_Tobi, 'salmon', alpha=0.4)

# 设置雷达图中每一项的标签显示
ax.set_thetagrids(angles * 180 / np.pi, labels, fontsize=15)

ax.set_theta_zero_location('E')  # 设置0度坐标轴起始位置，东西南北

ax.set_rlim(0, 100)  # 设置雷达图的坐标刻度范围

ax.set_rlabel_position(270)  # 设置雷达图的坐标值显示角度，相对于起始角度的偏移量
ax.set_title("热刺球员能力对比图")
plt.legend(["哈里凯恩", "孙兴愍", "托比"], loc='lower left')

plt.show()

最后得到的雷达图：

用python绘制极坐标雷达图

还是挺好看的(?)

绘制多张单主体雷达图

数据处理部分跟上面一样，我们直接从画图讲起。

建立子图

首先我们用plt.figure绘制好基本画布之后，需要建立三个子图（因为有三个球员）：

ax1 = plt.subplot(131, polar=True)
ax2 = plt.subplot(132, polar=True)
ax3 = plt.subplot(133, polar=True)

我们把整个画布看作一个矩阵，有m行n列；

第一个参数是一个三位数，第一位表示该子图在整个画布的行位置，1表示总共把画布划分为1行；第二位表示列，3表示总共把画布划分为3列；第三个表示索引值，指的是具体的位置，按照从上到下从左到右排列，比如在一个2*2的画布中，索引值为3表示在第二行第一个；

循环遍历画每个子图

首先把画图用的子图、数据、标签、颜色都用列表存起来，方便遍历；

遍历每一个子图：

首先画角度坐标轴和框线，’-.'表示框线的样式是有一个小线段加一个点组成，lw是linewidth的缩写，表示线的粗细；

先绘制沿半径方向的等值线，再绘制角度轴；

绘图并填充颜色，跟上面一样；

标出数据下标，ha和va是调整水平和垂直方向的位置

最后调整labels、坐标值范围等参数

ax, data, name, color = [ax1, ax2, ax3], [score_Harry, score_Son, score_Tobi], ["哈里凯恩", "孙兴愍", "托比"], ["orange", "cyan", "green"]

for i in range(3):
    # 绘制角度轴和框线
    for j in np.arange(0, 100+20, 20):
        ax[i].plot(angles, 7*[j], '-.', lw=0.5, color='black')  #  沿半径方向的等值线
    for j ihttp://www.cppcns.comn range(5):
        ax[i].plot([angles[j], angles[j]], [0, 100], '-.', lw=0.5, color='black')  #  绘制角度轴

    # 绘制图像并填充颜色
    ax[i].plot(angles, data[i], color=color[i])
    ax[i].fill(angles, data[i], color=color[i], alpha=0.4)

    # 数据下标
    for a, b in zip(angles, data[i]):
        ax[i].text(a, b+5, '%.00f' % b, ha='center', va='center', fontsize=10, color='black'kVzZZBNQ)

    # 参数设置
    ax[i].set_thetagrids(angles*180/np.pi, labels)
    ax[i].set_theta_zero_location('N')
    ax[i].set_rlim(0, 100)
    ax[i].set_rlabel_position(0)
    ax[i].set_title(name[i])

最后得到效果（个人审美有限，不喜勿喷）：

用python绘制极坐标雷达图