matplotlib极坐标与雷达图

文章目录

极坐标系
雷达图

极坐标系

在画雷达图前，得先了解一下极坐标系。

之前绘制的折线图、柱形图等几乎都是在直角坐标系下绘制的，但雷达图是在极坐标上绘制的，所以首先要在画布（figure）上绘制极坐标系，很简单，像这样：

plt.figure() #创建一张画布plt.subplot(111,polar=True) #在画布上绘制极坐标系

这样就绘制好极坐标系（

polar

表示极坐标）了，以前我们都没有添加polar参数，所以默认绘制的是直角坐标系。

接下来我们还是使用

plt.plot(x,y)

这个本来是绘制折线图的函数来绘制，可以理解为在极坐标上画的折线图（这样的折线图是闭合的）;

还有就是这个参数要重新理解一下，x，y在直角坐标系充当了自变量和因变量的角色，而在极坐标系中扮演这两个角色的分别是角度angle（或

theta

，即θ\\thetaθ），以及极径

,所以就变成了这样：

plt.plot(angle, r)

。

其他参数如颜色（

color或c

）设置、线宽（

linewidth或lw

）、图例（

label

）等都不变。

接下来就用

plt.plot()

在极坐标系上绘制一个圆。

回忆圆的极坐标公式：（圆心在极点）
{r=R0≤θ<2π\\begin{cases}r = R\\\\0≤\\theta<2\\pi\\end{cases}{r=R0≤θ<2π

import matplotlib.pyplot as pltimport numpy as npangle = np.linspace(0, 2*np.pi, 50) #角度范围0~2πR = 1r = R * np.ones(50) #产生50个1，再与半径R相乘plt.figure()plt.subplot(111, polar=True)plt.plot(angle, r, c=\'r\')plt.ylim(0, 2)plt.yticks([0, 0.5, 1.0, 1.5, 2.0])plt.show()

圆心不在极点的圆：
{r=2R×cosθ−π2≤θ<π2\\begin{cases}r = 2R\\times cos\\theta\\\\-\\frac{\\pi}{2} ≤ \\theta <\\frac{\\pi}{2}\\end{cases}{r=2R×cosθ−2π≤θ<2π

import matplotlib.pyplot as pltimport numpy as npangle = np.linspace(-0.5 * np.pi, 0.5 * np.pi, 50) #角度范围R = 1r = 2 * R * np.cos(angle)  #这是因变量r关于自变量的关系式plt.figure()plt.subplot(111, polar=True)plt.plot(angle, r, ls=\'--\', c=\'blue\',label=\'sss\')plt.legend(loc=\'best\')plt.ylim(0, 2)plt.yticks([0, 0.5, 1.0, 1.5, 2.0])plt.show()

要注意 r 的数据个数要与 angle 相同。

好了，极坐标先讲这么多，接下来讲雷达图。

雷达图

百度搜一张雷达图看看：

看了这个图，我们假想，如果在极坐标图上一点一点地绘制几个点，不就能绘制一张雷达图了吗? 好，说干就干，代码撸起来：

给出一组数据：values = [4, 3, 2, 6, 5]

（在撸之前，要注意一点，就是最后画完后还要回到起点，因此绘图使用的values应该是

[4,3,2,6,5,4]

最后一个数要与第一个数一样；同理，角度的最后一个值也要和第一个一样。为了方便，我们用函数：

np.append(values, [values[0]])

来把第0个值添加到values的末尾，最后函数返回这个新的values）

#先绘制极坐标系plt.figure()plt.subplot(111,polar=True)#准备绘图数据values = [4,3,2,6,5]angles = np.linspace(0, 2*np.pi, len(values),endpoint=False) #产生与values个数一样的角度#endpoint表示最后得到的数据最后一个数是否是 2*np.pi，我们不要这个值values = np.append(values, [values[0]]) #将第0个数据添加到末尾angles = np.append(angles, [angles[0]]) #将第0个数据添加到末尾#开始绘图plt.plot(angles, values)plt.show()

看下效果：

可以再修饰一下，在

plt.show()

之前添加下面的语句：

plt.style.use(\'seaborn\') #使用seaborn绘图风格的背景，也可以用ggplot绘图风格，#注意，这句代码必须放在创建画布之前，甚至如果有中文字体出现也要放在字体设置之前names = [\'aa\',\'bb\',\'cc\',\'dd\',\'ee\']plt.xticks(angles, names, fontsize=15)plt.yticks(range(0,7,2),fontsize=13)plt.plot(angles, values, marker=\'o\')  #设置标签plt.fill(angles, values, color=\'b\',alpha=0.15) #设置填充

完整代码：

import matplotlib as mplimport numpy as npimport matplotlib.pyplot as pltplt.style.use(\'seaborn\') #使用绘图风格，注意代码位置mpl.rcParams[\'font.family\']=\'SimHei\'         #中文字体mpl.rcParams[\'font.sans-serif\'] = \'SimHei\'#先绘制极坐标系plt.figure()plt.subplot(111,polar=True)#准备绘图数据values = [4,3,2,6,5]angles = np.linspace(0, 2*np.pi, len(values),endpoint=False) #产生与values个数一样的角度#endpoint表示最后得到的数据最后一个数是否是 2*np.pi，我们不要这个值values = np.append(values, [values[0]]) #将第0个数据添加到末尾angles = np.append(angles, [angles[0]]) #将第0个数据添加到末尾names = [\'aa\',\'bb\',\'cc\',\'dd\',\'ee\']#开始绘图plt.plot(angles, values, marker=\'o\')plt.fill(angles, values,alpha=0.15) #设置填充plt.xticks(angles, names, fontsize=15)plt.yticks(range(0,7,2),fontsize=13)plt.title(\'seaborn风格\')plt.show()