如何利用Python matplotlib绘制雷达图
本篇文章介绍使用matplotlib绘制雷达图。
雷达图也被称为网络图，蜘蛛图，星图，蜘蛛网图，是一个不规则的多边形。雷达图可以形象地展示相同事物的多维指标，雷达图几乎随处可见，应用场景非常多。
一、matplotlib绘制圆形雷达图
# coding=utf-8
import numpy as np
import matplotlib.pyplot as plt
results = [{"大学英语": 87, "高等数学": 79, "体育": 95, "计算机基础": 92, "程序设计": 85},
{"大学英语": 80, "高等数学": 90, "体育": 91, "计算机基础": 85, "程序设计": 88}]
data_length = len(results[0])
# 将极坐标根据数据长度进行等分
angles = np.linspace(0, 2*np.pi, data_length, endpoint=False)
labels = [key for key in results[0].keys()]
score = [[v for v in result.values()] for result in results]
# 使雷达图数据封闭
score_a = np.concatenate((score[0], [score[0][0]]))
score_b = np.concatenate((score[1], [score[1][0]]))
angles = np.concatenate((angles, [angles[0]]))
labels = np.concatenate((labels, [labels[0]]))
# 设置图形的大小
fig = plt.figure(figsize=(8, 6), dpi=100)
# 新建一个子图
ax = plt.subplot(111, polar=True)
# 绘制雷达图
ax.plot(angles, score_a, color='g')
ax.plot(angles, score_b, color='b')
# 设置雷达图中每一项的标签显示
ax.set_thetagrids(angles*180/np.pi, labels)
# 设置雷达图的0度起始位置
ax.set_theta_zero_location('N')
# 设置雷达图的坐标刻度范围
ax.set_rlim(0, 100)
# 设置雷达图的坐标值显示角度，相对于起始角度的偏移量
ax.set_rlabel_position(270)
ax.set_title("计算机专业大一（上）")
plt.legend(["弓长张", "口天吴"], loc='best')
plt.show()
运行结果：
绘制雷达图需要先建立极坐标系，关于极坐标系可以自己了解一下。建立好极坐标后可以在极坐标中绘制折线图、柱状图等，大部分情况，都是用折线图，形成一个不规则的闭合多边形。本文中用某高校大一的期末考试成绩作为例子来演示雷达图的效果。
linspace(): 用于将极坐标根据数据的维度进行等分，第一个参数传入起始角度，第二参数传入结束角度，第三个参数传入分成多少等份。其他参数根据需要传入，如endpoint默认为True，最后一个数据处于结束的角度，根据本例中前面的参数0~2π，应该设置为False，否则最后一个数据与第一个数据角度重叠了。
concatenate(): 使雷达图的数据是环形封闭的，concatenate()函数的第一个参数是一个元组，元组中的每个元素是一个数组，concatenate()函数将这些数组连接到一起，组成一个新的数组。要让绘制的雷达图封闭，将数据的第一个值连接到数据的结尾即可。
本文用折线图plot()来绘制雷达图，使用figure()函数设置好图形的大小和清晰度，然后使用subplot()函数来创建一张子图。subplot()函数的第一个参数传入长度为3的数字，第一个数字表示将画布分成几行，第二个数字表示将画布分成几列，第三个数字表示当前的子图处于哪个位置(按从左至右、从上到下的顺序排序)，第三个数字不能超出前两个数字切分的子图数范围。如111表示将画布分成一行一列(只有一张子图)，当前的子图处于第一张子图中。在subplot()函数中，将polar参数设置True，得到的图形才是极坐标。
极坐标系设置完成后，使用子图对象ax调用折线图函数plot()，即可绘出雷达图。如果有多组数据，多次调用plot()函数即可。
使用set_thetagrids()函数设置雷达图中每个维度的标签和显示位置。使用set_theta_zero_location()函数设置雷达图的0度位置，可以传入"N"、"NW"、"W"、"SW"、"S"、"SE"、"E"、"NE"八个方位缩写。使用set_rlim()函数设置极坐标上的刻度范围。使用set_rlabel_position()函数设置极坐标上的刻度标签显示位置，传入一个相对于雷达图0度的角度值。当然还可以根据需要设置其他属性，如标题、图例等。
在上面的例子中，将两位同学的考试成绩绘制成了雷达图，通过雷达图，可以看出两个人的单科成绩互有高低，而整体来看，两位同学成绩都很优秀。上面的雷达图中，网格线都是圆形的，而用折线图连接的雷达图两个维度之间是直接连接的，所以将网格线换成多边形会更合理一点。
二、matplotlib绘制多边形雷达图
import numpy as np
import matplotlib.pyplot as plt
results = [{"大学英语": 87, "高等数学": 79, "体育": 95, "计算机基础": 92, "程序设计": 85},
{"大学英语": 80, "高等数学": 90, "体育": 91, "计算机基础": 85, "程序设计": 88}]
data_length = len(results[0])
angles = np.linspace(0, 2*np.pi, data_length, endpoint=False)
labels = [key for key in results[0].keys()]
score = [[v for v in result.values()] for result in results]
score_a = np.concatenate((score[0], [score[0][0]]))
score_b = np.concatenate((score[1], [score[1][0]]))
angles = np.concatenate((angles, [angles[0]]))
labels = np.concatenate((labels, [labels[0]]))
fig = plt.figure(figsize=(10, 6), dpi=100)
fig.suptitle("计算机专业大一（上）")
ax1 = plt.subplot(121, polar=True)
ax2 = plt.subplot(122, polar=True)
ax, data, name = [ax1, ax2], [score_a, score_b], ["弓长张", "口天吴"]
for i in range(2):
for j in np.arange(0, 100+20, 20):
ax[i].plot(angles, 6*[j], '-.', lw=0.5, color='black')
for j in range(5):
ax[i].plot([angles[j], angles[j]], [0, 100], '-.', lw=0.5, color='black')
ax[i].plot(angles, data[i], color='b')
# 隐藏最外圈的圆
ax[i].spines['polar'].set_visible(False)
# 隐藏圆形网格线
ax[i].grid(False)
for a, b in zip(angles, data[i]):
ax[i].text(a, b+5, '%.00f' % b, ha='center', va='center', fontsize=12, color='b')
ax[i].set_thetagrids(angles*180/np.pi, labels)
ax[i].set_theta_zero_location('N')
ax[i].set_rlim(0, 100)
ax[i].set_rlabel_position(0)
ax[i].set_title(name[i])
plt.show()
运行结果：
在极坐标系中，极径值相等的点在一个圆上，所以绘制的雷达图中，网格线默认都是圆形的。如果要绘制多边形的雷达图，则需要将圆形的网格线隐藏，然后根据刻度范围绘制出多边形的网格线。
首先使用plot()函数，根据刻度范围，绘制出同心的多个多边形和多个维度方向的极轴，作为雷达图的网格线，形成一张“网”。
链式调用极坐标的spines['polar'].set_visible()函数，传入参数False，将极坐标系最外圈的圆形隐藏。调用grid()函数，传入参数False，将极坐标系中的的圆形网格线隐藏。
修改完网格线后，即可达到多边形的效果。在第二次绘制雷达图时，将两位同学的成绩分到两张不同的雷达图中，并用text()设置了每个维度的数据标注，使用suptitle()函数来设置整张图形的标题。
上面的两次绘图，将两位同学的成绩绘制在同一张雷达图时，更方便对比两位同学的成绩，如比较谁更全面、更优秀。分开绘制时，更方便分析个人的成绩情况，如是否偏科。而相对于圆形的雷达图，在多边形的雷达图中，不会出现雷达图与网格线的不合理交叉(雷达图与网格线交叉两次)，使用多边形网格线更合理。
下一篇：OpenCV+python实现膨胀和腐蚀的示例