python数据雷达图

在 Python 中可以使用 matplotlib 库来绘制雷达图。以下是一个简单的例子：

import numpy as np
import matplotlib.pyplot as plt

# 数据
categories = ['A', 'B', 'C', 'D', 'E']
values = [4, 3, 2, 5, 1]

# 计算角度
angles = np.linspace(0, 2*np.pi, len(categories), endpoint=False)

# 将第一个数据点重复以闭合图形
values = np.concatenate((values,[values[0]]))
angles = np.concatenate((angles,[angles[0]]))

# 绘图
fig = plt.figure()
ax = fig.add_subplot(111, polar=True)
ax.plot(angles, values, 'o-', linewidth=2)
ax.fill(angles, values, alpha=0.25)
ax.set_thetagrids(angles * 180/np.pi, categories)
ax.grid(True)

plt.show()

这个例子中，我们使用了 numpy 库来计算各个数据点的角度，然后使用 matplotlib 库来绘制雷达图。你可以根据自己的需求修改数据和参数，来绘制不同风格的雷达图。

相关问题

python雷达图详解_python绘制雷达图实例讲解

雷达图（Radar Chart），也称为蜘蛛网图（Spider Chart）或星形图（Star Chart），是一种多变量数据可视化方式，通常用于比较多个变量或维度的相对关系。

Python中使用`matplotlib`库可以绘制雷达图。下面我将为你详细讲解如何使用Python绘制雷达图。

首先，我们需要导入相关的库：

import numpy as np
import matplotlib.pyplot as plt

接下来，我们需要准备数据。假设我们要绘制一个学生的五项能力评估雷达图，其中包括语文、数学、英语、体育和艺术五个维度的得分：

labels = np.array(['语文', '数学', '英语', '体育', '艺术'])

data = np.array([90, 80, 85, 70, 60])

然后，我们需要计算出每个维度在雷达图中的角度。因为雷达图是一个圆形，所以每个维度的角度应该是均分360度，即每个角度应该是`360 / 数据维度个数`。代码如下：

angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False)
angles = np.concatenate((angles, [angles[0]]))

接下来，我们需要将数据和角度转换成极坐标系下的坐标。这里我们可以使用`np.vstack()`函数将数据和第一个数据点组合起来，再使用`np.cos()`和`np.sin()`函数计算出每个数据点的坐标。代码如下：

data = np.concatenate((data, [data[0]]))
coords = np.vstack((angles, data)).T
coords = np.concatenate((coords, [coords[0]]))

最后，我们可以使用`matplotlib`的`plot()`函数绘制出雷达图。代码如下：

fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))

ax.plot(angles, data, 'o-', linewidth=2)
ax.fill(coords[:, 0], coords[:, 1], alpha=0.25)

ax.set_thetagrids(angles * 180/np.pi, labels)
ax.set_title('学生五项能力评估')
ax.grid(True)

完整的代码如下：

import numpy as np
import matplotlib.pyplot as plt

labels = np.array(['语文', '数学', '英语', '体育', '艺术'])

data = np.array([90, 80, 85, 70, 60])

angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False)
angles = np.concatenate((angles, [angles[0]]))

data = np.concatenate((data, [data[0]]))
coords = np.vstack((angles, data)).T
coords = np.concatenate((coords, [coords[0]]))

fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))

ax.plot(angles, data, 'o-', linewidth=2)
ax.fill(coords[:, 0], coords[:, 1], alpha=0.25)

ax.set_thetagrids(angles * 180/np.pi, labels)
ax.set_title('学生五项能力评估')
ax.grid(True)

plt.show()

运行代码，我们可以看到绘制出来的雷达图：


这个雷达图表示该学生在语文、数学、英语、体育和艺术五个维度上的得分情况，可以用于对比不同学生在这五个维度上的能力。

python多级雷达图

在Python中，要创建多级雷达图（也称为层次或多维度雷达图），你可以使用`plotly`库中的`radar`功能。`plotly.express`模块下的`radar`函数非常适合这种可视化需求，尤其是当你有多个分类变量和对应的度量数据时。

以下是一个简单的例子来展示如何创建多级雷达图：

import plotly.express as px
import numpy as np

# 假设我们有如下数据
categories = ['Category1', 'Category2', 'Category3', 'Category4', 'Category5']
data = {
    'Level1': [10, 20, 30, 40, 50],
    'Level2': [20, 30, 40, 50, 60],
    'Level3': [30, 40, 50, 60, 70]
}

df = pd.DataFrame(data, index=categories)

fig = px.radar(df, 
              names=categories,
              values=np.sum(df.values, axis=1), # 综合所有层级的数据
              color_discrete_sequence=['blue'], # 设置颜色
              showline=True,
              showscale=False)

fig.update_layout(margin=dict(t=0, b=0, l=0, r=0))  # 清除边距
fig.show()

在这个例子中，`categories`是雷达图的类别，`Level1`, `Level2`, 和 `Level3` 是不同级别的数据。`np.sum(df.values, axis=1)`将每个类别的数据加总，以便在一个雷达图上显示。你可以根据实际数据调整这些部分。

如果你想要自定义雷达图的各个级别或添加更多细节，如标题、轴标签等，可以查阅Plotly官方文档中的详细说明。