目录
- 一、"霍兰德人格分析雷达图"问题分析
- 1.1 问题分析
- 1.2 霍兰德人格分析
- 1.3 霍兰德人格分析雷达图
- 二、"霍兰德人格分析雷达图"实例展示
- 三、"霍兰德人格分析雷达图"举一反三
一、"霍兰德人格分析雷达图"问题分析
1.1 问题分析
雷达图 Radar Chart
雷达图是多特性直观展示的重要方式
1.2 霍兰德人格分析
- 霍兰德认为:人格兴趣与职业之间应有一种内在的对应关系
- 人格分类:研究型、艺术型、社会型、企业型、传统型、现实性
- 职业:工程师、实验员、艺术家、推销员、记事员、社会工作者
1.3 霍兰德人格分析雷达图
- 需求:雷达图方式验证霍兰德人格分析
- 输入:各职业人群结合兴趣的调研数据
输出:雷达图
- 通用雷达图绘制:matplotlib库
- 专业的多维数据表示:numpy库
输出:雷达图
二、"霍兰德人格分析雷达图"实例展示
# HollandRadarDraw
import numpy as np
import matplotlib.pyplot as plt
import matplotlib
matplotlib.rcParams['font.family'] = 'SimHei'
radar_labels = np.array(
['研究型(I)', '艺术型(A)', '社会型(S)', '企业型(E)', '常规型(C)', '现实型(R)'])
data = np.array([[0.40, 0.32, 0.35, 0.30, 0.30, 0.88],
[0.85, 0.35, 0.30, 0.40, 0.40, 0.30],
[0.43, 0.89, 0.30, 0.28, 0.22, 0.30],
[0.30, 0.25, 0.48, 0.85, 0.45, 0.40],
[0.20, 0.38, 0.87, 0.45, 0.32, 0.28],
[0.34, 0.31, 0.38, 0.40, 0.92, 0.28]]) # 数据值
data_labels = ('艺术家', '实验员', '工程师', '推销员', '社会工作者', '记事员')
angles = np.linspace(0, 2 * np.pi, 6, endpoint=False)
data = np.concatenate((data, [data[0]]))
angles = np.concatenate((angles, [angles[0]]))
fig = plt.figure(facecolor="white")
plt.subplot(111, polar=True)
plt.plot(angles, data, 'o-', linewidth=1, alpha=0.2)
plt.fill(angles, data, alpha=0.25)
plt.thetagrids(angles * 180 / np.pi, radar_labels, frac=1.2)
plt.figtext(0.52, 0.95, '霍兰德人格分析', ha='center', size=20)
legend = plt.legend(data_labels, loc=(0.94, 0.80), labelspacing=0.1)
plt.setp(legend.get_texts(), fontsize='large')
plt.grid(True)
plt.savefig('holland_radar.jpg?x-oss-process=style/watermark')
plt.show()
三、"霍兰德人格分析雷达图"举一反三
目标 + 沉浸 + 熟练
- 编程的目标感:寻找感兴趣的目标,寻(wa)觅( jue)之
- 编程的沉浸感:寻找可实现的方法,思(zuo)考(mo)之
- 编程的熟练度:练习、练习、再练习,熟练之