这篇文章主要介绍了Python中如何使用matplotlib制作雷达图进行对比分析，具有一定借鉴价值，感兴趣的朋友可以参考下，希望大家阅读完这篇文章之后大有收获，下面让小编带着大家一起了解一下。
创新互联是一家专注于网站建设、成都网站制作与策划设计,任县网站建设哪家好?创新互联做网站,专注于网站建设十载,网设计领域的专业建站公司;建站业务涵盖:任县等地区。任县做网站价格咨询:028-86922220
前言
雷达图的背景一圈一圈地像雷达，用多边形来展现数据的大小，我认为比较适合用于有多种不同维度的情形，是发现差距的一种好工具。
其中「持续性」与学习的天数相关，「学习量」与听课或看书的数量相关，「笔记」与笔记的数量和互动相关，「知识分享」与分享转发的次数相关，「好奇心」与搜索的次数和广度相关。
从图中可以看出，在 2020 年的年初，我在笔记方面还比较薄弱，经过努力，我做笔记的数量明显增加了。
借助雷达图，我们可以直观地看到差距，进而通过分析，更好地进行改善。
接下来，我们看看用 matplotlib 画图的具体步骤。
首先，导入所需的库，并设置中文字体和定义颜色等。
# 导入所需的库
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.image as image
# 正常显示中文标签
mpl.rcParams['font.sans-serif'] = ['SimHei']
# 自动适应布局
mpl.rcParams.update({'figure.autolayout': True})
# 正常显示负号
mpl.rcParams['axes.unicode_minus'] = False
# 禁用科学计数法
pd.set_option('display.float_format', lambda x: '%.2f' % x)
# 定义颜色，主色：蓝色，辅助色：灰色，互补色：橙色
c = {'蓝色':'#00589F', '深蓝色':'#003867', '浅蓝色':'#5D9BCF',
'灰色':'#999999', '深灰色':'#666666', '浅灰色':'#CCCCCC',
'橙色':'#F68F00', '深橙色':'#A05D00', '浅橙色':'#FBC171'}其次，从 Excel 文件中读取数据，并定义画图用的数据。
# 数据源路径
filepath='./data/林骥的学分构成.xlsx'
# 读取 Excel文件
df = pd.read_excel(filepath)
# 提取画图所需的数据
data0 = df.iloc[0, 2:].values
data1 = df.iloc[1, 2:].values
#提取标签
label = np.array(df.iloc[1, 2:].index)
# 根据分数添加评级的标签
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 有几个数据，就把整圆 360° 分成几份
angle = np.linspace(0, 2*np.pi, len(data0), endpoint=False)
# 增加第一个 angle 到所有 angle 里，以实现闭合
angles = np.concatenate((angle, [angle[0]]))
# 倒转顺序，以让雷达图顺时针显示
angles = angles[::-1]
#增加第一个 data 到所有的 data 里，以实现闭合
data0 = np.concatenate((data0, [data0[0]]))
data1 = np.concatenate((data1, [data1[0]]))接下来，开始用「面向对象」的方法进行画图。
# 使用「面向对象」的方法画图，定义图片的大小
fig, ax=plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))
# 设置背景颜色
fig.set_facecolor('w')
ax.set_facecolor('w')
# 设置标题
ax.set_title('\n林骥的学分构成及其变化\n\n', fontsize=26, loc='left', color=c['深灰色'])
# 设置网格标签
ax.set_thetagrids(angles*180/np.pi, labels=label)
# 画雷达图，用顺时针显示
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'))
# 设置极坐标 0° 的位置
ax.set_theta_zero_location('N')
# 设置显示的极径范围
ax.set_rlim(0, 5)
# 填充颜色
ax.fill(angles, data0, facecolor=c['浅蓝色'], alpha=0.6)
ax.fill(angles, data1, facecolor=c['浅橙色'], alpha=0.6)
# 设置极径标签，放在第一象限的中间位置
ax.set_rlabel_position(360-360/len(data0)/2)
# 设置图例显示的位置
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)
# 去掉最外围的黑圈
ax.spines['polar'].set_visible(False)
# 设置坐标标签字体大小和颜色
ax.tick_params(labelsize=16, colors=c['深灰色'])
plt.show()雷达在展现多个维度的得分或性能方面，效果不错，在财务分析和标杆管理中有着广泛的应用。
另外，在一些游戏中，也有用雷达图来展现人物的能力。
但是，雷达图也有一些自身的缺点，包括：
（1）如果在一个雷达图中展现超过 2 组数据，会让图表难以阅读。
（2）变量的个数不宜过多，否则密密麻麻的线条可能让人抓不到重点。
（3）从表达数据的精确度来看，极坐标中的角度，不如直角坐标中的位置。
同样的数据，不同人得出的观点可能不一样，图表的选择可能也不一样，我们通常需要考虑以下几个因素：
（1）分析提炼的信息；
（2）所属数据的类型；
（3）想要表达的观点；
（4）想要强调的信息。
很多人作图有一种误区，就是喜欢运用所谓的技巧和创新，做出让人难以看懂的复杂图表，这与图表的目的背道而驰，是我们应该避免的。
感谢你能够认真阅读完这篇文章，希望小编分享的“Python中如何使用matplotlib制作雷达图进行对比分析”这篇文章对大家有帮助，同时也希望大家多多支持创新互联，关注创新互联行业资讯频道，更多相关知识等着你来学习!
