当前位置：首页 > news >正文

Python雷达图实战教程：从入门到精通

news 2025/5/22 11:36:29

Python雷达图实战教程：从入门到精通

雷达图（Radar Chart），也被称为蜘蛛图（Spider Chart）或星形图（Star Chart），是一种以二维方式展示多维数据的图表类型。它特别适合用于比较多个变量的数值，比如比较不同对象在多个维度上的表现。本文将详细介绍如何使用Python创建雷达图，并通过实例来展示其应用。

1. 环境准备

首先，我们需要安装必要的Python库：

pip install numpy matplotlib

1.1 为什么选择这些库？

NumPy：提供了强大的数值计算功能，特别是在处理数组和矩阵运算时非常高效。在雷达图中，我们经常需要处理角度计算和数据转换，NumPy的向量化操作可以大大提高效率。
Matplotlib：是Python最流行的绘图库之一，提供了丰富的绘图功能和灵活的定制选项。它的极坐标系统特别适合创建雷达图。

2. 基础雷达图实现

下面是一个简单的雷达图实现，使用matplotlib的极坐标系统：

import numpy as np
import matplotlib.pyplot as plt
# 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
def create_radar_chart(categories, values, title, color='#1f77b4', fill=True):"""创建一个简单的雷达图参数:categories: 类别列表values: 对应的数值列表title: 图表标题color: 线条和填充的颜色fill: 是否填充区域"""# 计算角度angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)# 闭合图形values = np.concatenate((values, [values[0]]))angles = np.concatenate((angles, [angles[0]]))# 创建图表fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))# 绘制数据ax.plot(angles, values, 'o-', linewidth=2, color=color)if fill:ax.fill(angles, values, alpha=0.25, color=color)# 设置标签ax.set_xticks(angles[:-1])ax.set_xticklabels(categories)# 设置标题plt.title(title, pad=20)return fig, ax

3. 代码解析

让我们逐步解析这个雷达图的实现：

导入必要的库：
- numpy：用于数值计算
- matplotlib.pyplot：用于绘图
创建雷达图函数：
- categories：类别列表，如[‘速度’, ‘力量’, ‘技术’]等
- values：对应的数值列表
- title：图表标题
- color：线条和填充的颜色
- fill：是否填充区域
关键步骤：
- 使用np.linspace计算角度
- 使用np.concatenate闭合图形
- 使用plt.subplots创建极坐标图
- 使用ax.plot和ax.fill绘制数据和填充
图表美化：
- 设置中文字体支持：确保中文标签正确显示
- 调整线条粗细和颜色：提高可读性
- 设置填充透明度：使图表更加美观

4. 实际应用示例

4.1 基础雷达图

# 示例数据
categories = ['速度', '力量', '技术', '战术', '体能']
values = [85, 90, 88, 92, 87]# 创建雷达图
fig, ax = create_radar_chart(categories, values, '球员能力雷达图')
plt.show()

在这里插入图片描述

运行上述代码后，将显示一个雷达图，展示：

球员在各个能力维度的表现
优势能力（战术）和相对薄弱的能力
整体能力的分布情况

4.2 多系列雷达图

# 示例数据
categories = ['价格', '性能', '外观', '质量', '服务']
product1 = [85, 90, 88, 92, 87]
product2 = [92, 85, 90, 88, 85]
product3 = [88, 92, 85, 90, 88]# 创建图表
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)
angles = np.concatenate((angles, [angles[0]]))# 绘制三个产品的数据
colors = ['#1f77b4', '#ff7f0e', '#2ca02c']
for i, (data, color) in enumerate(zip([product1, product2, product3], colors)):data = np.concatenate((data, [data[0]]))ax.plot(angles, data, 'o-', linewidth=2, color=color, label=f'产品{i+1}')ax.fill(angles, data, alpha=0.1, color=color)# 设置标签和图例
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
ax.legend(loc='upper right', bbox_to_anchor=(0.3, 0.3))
plt.title('产品对比雷达图', pad=20)
plt.show()

在这里插入图片描述

运行上述代码后，将显示一个多系列雷达图，展示：

三个产品在各个维度的表现对比
每个产品的优势和劣势
产品之间的竞争关系

4.3 渐变填充雷达图

# 示例数据
categories = ['创新', '执行', '沟通', '领导', '学习']
values = [85, 90, 88, 92, 87]# 创建图表
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(projection='polar'))# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)
angles = np.concatenate((angles, [angles[0]]))
values = np.concatenate((values, [values[0]]))# 绘制渐变填充
ax.plot(angles, values, 'o-', linewidth=2, color='#1f77b4')# 使用渐变色填充
for i in range(len(angles)-1):ax.fill_between(angles[i:i+2], 0, values[i:i+2], alpha=0.3, color=plt.cm.viridis(i/len(angles)))# 设置标签和标题
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
plt.title('员工能力渐变雷达图', pad=20)
plt.show()