前言
雷達圖的背景一圈一圈地像雷達，用多邊形來展現資料的大小，我認為比較適合用于有多種不同維度的情形，是發現差距的一種好工具，
比如說，「得到 APP」上的學分構成包括 5 個不同維度，我根據自己的學分構成及其變化，制作了一張雷達圖，
其中「持續性」與學習的天數相關，「學習量」與聽課或看書的數量相關，「筆記」與筆記的數量和互動相關，「知識分享」與分享轉發的次數相關，「好奇心」與搜索的次數和廣度相關，
從圖中可以看出，在 2020 年的年初，我在筆記方面還比較薄弱，經過努力，我做筆記的數量明顯增加了，
借助雷達圖，我們可以直觀地看到差距，進而通過分析，更好地進行改善，
PS：如有需要Python學習資料的小伙伴可以加下方的群去找免費管理員領取
可以免費領取原始碼、專案實戰視頻、PDF檔案等
02
接下來，我們看看用 matplotlib 畫圖的具體步驟，
首先，匯入所需的庫，并設定中文字體和定義顏色等，
# 匯入所需的庫 import numpy as np import pandas as pd import matplotlib as mpl import matplotlib.pyplot as plt import matplotlib.image as image # 正常顯示中文標簽 mpl.rcParams['font.sans-serif'] = ['SimHei'] # 自動適應布局 mpl.rcParams.update({'figure.autolayout': True}) # 正常顯示負號 mpl.rcParams['axes.unicode_minus'] = False # 禁用科學計數法 pd.set_option('display.float_format', lambda x: '%.2f' % x) # 定義顏色，主色：藍色，輔助色：灰色，互補色：橙色 c = {'藍色':'#00589F', '深藍色':'#003867', '淺藍色':'#5D9BCF', '灰色':'#999999', '深灰色':'#666666', '淺灰色':'#CCCCCC', '橙色':'#F68F00', '深橙色':'#A05D00', '淺橙色':'#FBC171'}
其次，從 Excel 檔案中讀取資料，并定義畫圖用的資料，
# 資料源路徑 filepath='./data/林驥的學分構成.xlsx' # 讀取 Excel檔案 df = pd.read_excel(filepath) # 提取畫圖所需的資料 data0 = df.iloc[0, 2:].values data1 = df.iloc[1, 2:].values #提取標簽 label = np.array(df.iloc[1, 2:].index) # 根據分數添加評級的標簽 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 有幾個資料，就把整圓 360° 分成幾份 angle = np.linspace(0, 2*np.pi, len(data0), endpoint=False) # 增加第一個 angle 到所有 angle 里，以實作閉合 angles = np.concatenate((angle, [angle[0]])) # 倒轉順序，以讓雷達圖順時針顯示 angles = angles[::-1] #增加第一個 data 到所有的 data 里，以實作閉合 data0 = np.concatenate((data0, [data0[0]])) data1 = np.concatenate((data1, [data1[0]]))
接下來，開始用「面向物件」的方法進行畫圖，
# 使用「面向物件」的方法畫圖，定義圖片的大小 fig, ax=plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True)) # 設定背景顏色 fig.set_facecolor('w') ax.set_facecolor('w') # 設定標題 ax.set_title('\n林驥的學分構成及其變化\n\n', fontsize=26, loc='left', color=c['深灰色']) # 設定網格標簽 ax.set_thetagrids(angles*180/np.pi, labels=label) # 畫雷達圖，用順時針顯示 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')) # 設定極坐標 0° 的位置 ax.set_theta_zero_location('N') # 設定顯示的極徑范圍 ax.set_rlim(0, 5) # 填充顏色 ax.fill(angles, data0, facecolor=c['淺藍色'], alpha=0.6) ax.fill(angles, data1, facecolor=c['淺橙色'], alpha=0.6) # 設定極徑標簽，放在第一象限的中間位置 ax.set_rlabel_position(360-360/len(data0)/2) # 設定圖例顯示的位置 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) # 去掉最外圍的黑圈 ax.spines['polar'].set_visible(False) # 設定坐標標簽字體大小和顏色 ax.tick_params(labelsize=16, colors=c['深灰色']) plt.show()
03
雷達在展現多個維度的得分或性能方面，效果不錯，在財務分析和標桿管理中有著廣泛的應用，
另外，在一些游戲中，也有用雷達圖來展現人物的能力，
但是，雷達圖也有一些自身的缺點，包括：
（1）如果在一個雷達圖中展現超過 2 組資料，會讓圖表難以閱讀，
（2）變數的個數不宜過多，否則密密麻麻的線條可能讓人抓不到重點，
（3）從表達資料的精確度來看，極坐標中的角度，不如直角坐標中的位置，
同樣的資料，不同人得出的觀點可能不一樣，圖表的選擇可能也不一樣，我們通常需要考慮以下幾個因素：
（1）分析提煉的資訊；
（2）所屬資料的型別；
（3）想要表達的觀點；
（4）想要強調的資訊，
很多人作圖有一種誤區，就是喜歡運用所謂的技巧和創新，做出讓人難以看懂的復雜圖表，這與圖表的目的背道而馳，是我們應該避免的，
本文的文字及圖片來源于網路,僅供學習、交流使用,不具有任何商業用途,著作權歸原作者所有,如有問題請及時聯系我們以作處理，
作者：林驥
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/53192.html
標籤：Python