比较(二)利用python绘制雷达图

2024-06-03 14:44
文章标签 python 比较 绘制 雷达

本文主要是介绍比较(二)利用python绘制雷达图,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

比较(二)利用python绘制雷达图

雷达图(Radar Chart)简介

1

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()
    

    2

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()
    

    3

  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))
    

    4

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~

这篇关于比较(二)利用python绘制雷达图的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/1027283

相关文章

Python Pandas高效处理Excel数据完整指南

《PythonPandas高效处理Excel数据完整指南》在数据驱动的时代,Excel仍是大量企业存储核心数据的工具,Python的Pandas库凭借其向量化计算、内存优化和丰富的数据处理接口,成为... 目录一、环境搭建与数据读取1.1 基础环境配置1.2 数据高效载入技巧二、数据清洗核心战术2.1 缺失

利用Python实现Excel文件智能合并工具

《利用Python实现Excel文件智能合并工具》有时候,我们需要将多个Excel文件按照特定顺序合并成一个文件,这样可以更方便地进行后续的数据处理和分析,下面我们看看如何使用Python实现Exce... 目录运行结果为什么需要这个工具技术实现工具的核心功能代码解析使用示例工具优化与扩展有时候,我们需要将

Python+PyQt5实现文件夹结构映射工具

《Python+PyQt5实现文件夹结构映射工具》在日常工作中,我们经常需要对文件夹结构进行复制和备份,本文将带来一款基于PyQt5开发的文件夹结构映射工具,感兴趣的小伙伴可以跟随小编一起学习一下... 目录概述功能亮点展示效果软件使用步骤代码解析1. 主窗口设计(FolderCopyApp)2. 拖拽路径

Python使用Reflex构建现代Web应用的完全指南

《Python使用Reflex构建现代Web应用的完全指南》这篇文章为大家深入介绍了Reflex框架的设计理念,技术特性,项目结构,核心API,实际开发流程以及与其他框架的对比和部署建议,感兴趣的小伙... 目录什么是 ReFlex?为什么选择 Reflex?安装与环境配置构建你的第一个应用核心概念解析组件

Python将字符串转换为小写字母的几种常用方法

《Python将字符串转换为小写字母的几种常用方法》:本文主要介绍Python中将字符串大写字母转小写的四种方法:lower()方法简洁高效,手动ASCII转换灵活可控,str.translate... 目录一、使用内置方法 lower()(最简单)二、手动遍历 + ASCII 码转换三、使用 str.tr

Python处理超大规模数据的4大方法详解

《Python处理超大规模数据的4大方法详解》在数据的奇妙世界里,数据量就像滚雪球一样,越变越大,从最初的GB级别的小数据堆,逐渐演变成TB级别的数据大山,所以本文我们就来看看Python处理... 目录1. Mars:数据处理界的 “变形金刚”2. Dask:分布式计算的 “指挥家”3. CuPy:GPU

Python多进程、多线程、协程典型示例解析(最新推荐)

《Python多进程、多线程、协程典型示例解析(最新推荐)》:本文主要介绍Python多进程、多线程、协程典型示例解析(最新推荐),本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定... 目录一、multiprocessing(多进程)1. 模块简介2. 案例详解:并行计算平方和3. 实现逻

Python对PDF书签进行添加,修改提取和删除操作

《Python对PDF书签进行添加,修改提取和删除操作》PDF书签是PDF文件中的导航工具,通常包含一个标题和一个跳转位置,本教程将详细介绍如何使用Python对PDF文件中的书签进行操作... 目录简介使用工具python 向 PDF 添加书签添加书签添加嵌套书签Python 修改 PDF 书签Pytho

利用Python实现可回滚方案的示例代码

《利用Python实现可回滚方案的示例代码》很多项目翻车不是因为不会做,而是走错了方向却没法回头,技术选型失败的风险我们都清楚,但真正能提前规划“回滚方案”的人不多,本文从实际项目出发,教你如何用Py... 目录描述题解答案(核心思路)题解代码分析第一步:抽象缓存接口第二步:实现两个版本第三步:根据 Fea

Python中CSV文件处理全攻略

《Python中CSV文件处理全攻略》在数据处理和存储领域,CSV格式凭借其简单高效的特性,成为了电子表格和数据库中常用的文件格式,Python的csv模块为操作CSV文件提供了强大的支持,本文将深入... 目录一、CSV 格式简介二、csv模块核心内容(一)模块函数(二)模块类(三)模块常量(四)模块异常