导航：首页 > 互联网科技 >

Python中如何使用matplotlib制作雷达图进行对比分析

发表于：2024-11-22 作者：千家信息网编辑

千家信息网最后更新 2024年11月22日，这篇文章主要介绍了Python中如何使用matplotlib制作雷达图进行对比分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。前言雷

千家信息网最后更新 2024年11月22日Python中如何使用matplotlib制作雷达图进行对比分析

这篇文章主要介绍了Python中如何使用matplotlib制作雷达图进行对比分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。

前言

雷达图的背景一圈一圈地像雷达，用多边形来展现数据的大小，我认为比较适合用于有多种不同维度的情形，是发现差距的一种好工具。

其中「持续性」与学习的天数相关，「学习量」与听课或看书的数量相关，「笔记」与笔记的数量和互动相关，「知识分享」与分享转发的次数相关，「好奇心」与搜索的次数和广度相关。

从图中可以看出，在 2020 年的年初，我在笔记方面还比较薄弱，经过努力，我做笔记的数量明显增加了。

借助雷达图，我们可以直观地看到差距，进而通过分析，更好地进行改善。

02

接下来，我们看看用 matplotlib 画图的具体步骤。

首先，导入所需的库，并设置中文字体和定义颜色等。

# 导入所需的库import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.image as image# 正常显示中文标签mpl.rcParams['font.sans-serif'] = ['SimHei']# 自动适应布局mpl.rcParams.update({'figure.autolayout': True})# 正常显示负号mpl.rcParams['axes.unicode_minus'] = False# 禁用科学计数法pd.set_option('display.float_format', lambda x: '%.2f' % x) # 定义颜色，主色：蓝色，辅助色：灰色，互补色：橙色c = {'蓝色':'#00589F', '深蓝色':'#003867', '浅蓝色':'#5D9BCF',     '灰色':'#999999', '深灰色':'#666666', '浅灰色':'#CCCCCC',     '橙色':'#F68F00', '深橙色':'#A05D00', '浅橙色':'#FBC171'}

其次，从 Excel 文件中读取数据，并定义画图用的数据。

# 数据源路径filepath='./data/林骥的学分构成.xlsx'# 读取 Excel文件df = pd.read_excel(filepath)# 提取画图所需的数据data0 = df.iloc[0, 2:].valuesdata1 = df.iloc[1, 2:].values#提取标签label = np.array(df.iloc[1, 2:].index)# 根据分数添加评级的标签for i, d in enumerate(data1):    if d > 4:        grade = 'A^+'    elif d == 4:        grade = 'A'    elif d > 3:        grade = 'B^+'    elif d == 3:        grade = 'B'    else:        grade = 'B^-'    label[i] += '\n' + r'$\bf{' + grade + '}$'    # data 有几个数据，就把整圆 360° 分成几份angle = np.linspace(0, 2*np.pi, len(data0), endpoint=False)# 增加第一个 angle 到所有 angle 里，以实现闭合angles = np.concatenate((angle, [angle[0]]))# 倒转顺序，以让雷达图顺时针显示angles = angles[::-1]#增加第一个 data 到所有的 data 里，以实现闭合data0 = np.concatenate((data0, [data0[0]]))data1 = np.concatenate((data1, [data1[0]]))

接下来，开始用「面向对象」的方法进行画图。

# 使用「面向对象」的方法画图，定义图片的大小fig, ax=plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))# 设置背景颜色fig.set_facecolor('w')ax.set_facecolor('w')# 设置标题ax.set_title('\n林骥的学分构成及其变化\n\n', fontsize=26, loc='left', color=c['深灰色']) # 设置网格标签ax.set_thetagrids(angles*180/np.pi, labels=label)# 画雷达图，用顺时针显示ax.plot(angles, data0, 'o-', label=df.iloc[0, 0].strftime('%Y-%m-%d'))ax.plot(angles, data1, 'o-', label=df.iloc[1, 0].strftime('%Y-%m-%d'))# 设置极坐标 0° 的位置ax.set_theta_zero_location('N') # 设置显示的极径范围ax.set_rlim(0, 5)# 填充颜色ax.fill(angles, data0, facecolor=c['浅蓝色'], alpha=0.6)ax.fill(angles, data1, facecolor=c['浅橙色'], alpha=0.6)# 设置极径标签，放在第一象限的中间位置ax.set_rlabel_position(360-360/len(data0)/2)# 设置图例显示的位置l = ax.legend(ncol=2, loc='lower center', frameon=False, borderaxespad=-3, fontsize=13)for text in l.get_texts():    text.set_color(c['深灰色'])#     text.set_size(13)# 去掉最外围的黑圈ax.spines['polar'].set_visible(False) # 设置坐标标签字体大小和颜色ax.tick_params(labelsize=16, colors=c['深灰色'])plt.show()