Python数据可视化笔记04--雷达图、三维图实战

Python数据可视化笔记01--Matplotlib基础

Python数据可视化笔记02--折线图、散点图实战

Python数据可视化笔记03--柱状图、饼状图实战

本文索引：

1. 雷达图
2. 三维图

本文环境：Windows10 + jupyter notebook

一、雷达图

【雷达图】

• 雷达图（Radar Chart），又可称为戴布拉图、蜘蛛网图（Spider Chart），可以很好刻画出某些指标的横向或纵向的对比关系。
• 雷达图经常用于对多项指标的全面分析。比如：HR想要对比两个应聘者的综合素质，用雷达图分别画出来，就可以进行直观的比较。
• python中用matplotlib模块绘制雷达图需要用到极坐标系。

【雷达图之极坐标系】

• 在平面内取一个定点O，叫极点，引一条射线Ox，叫做极轴，再选一个长度单位和角度的正方向（通常取逆时针方向）。对于平面内任何一点M，用ρ表示线段OM的长度（有时也用r表示），表示从Ox到OM的角度，ρ叫做点M的极径，叫做点M的极角，有序数对（ρ，）就叫做点M的极坐标，这样建立的坐标系叫做极坐标系。
• 通常情况下，M的极径坐标单位为1（长度单位），极角坐标单位为°。

【雷达图之polar()函数】

polar(theta,r,**kwargs)

主要参数：

• theta：指极角。
• r：指极径。

import numpy as np 
import matplotlib.pyplot as plt
plt.polar(0.25*np.pi,20,'ro',lw=2)
plt.ylim(0,50)   # 设置极轴的上下限
plt.show()

这里：

0.25*np.pi = 45°：极角

20：极径

‘ro’：绘极坐标形状为红色圆点

lw = 2：极坐标图形宽度为2

• 如果绘制多个极角和极轴时：

import numpy as np 
import matplotlib.pyplot as plt

theta = np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2])
r = [75,60,50,70,50,85,45,70]
plt.polar(theta*np.pi,r,'ro',lw = 2)
plt.ylim(0,100)
plt.show()

theta：定义了一个ndarray数组存储多个数据

r：定义了一个数组存放极轴的长度，也叫极径

• 则在途中绘制出多个点（0.25*π，75），（0.5*π，60），（0.75*π，50），（1.0*π，70）等。

• 绘制完极坐标点后，把每个点用线连起来，就是雷达图了。
• 只需要把图形绘制样式修改为‘ro-’即可，'ro-'中'-'表示极坐标点之间的连线。

此时得到图形是这样的：

但是此时曲线并未闭合？

• 闭合曲线：多构造一个极坐标点，和第一个点重叠

import numpy as np 
import matplotlib.pyplot as plt

theta = np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])
r = [75,60,50,70,50,85,45,70,75]
plt.polar(theta*np.pi,r,'ro-',lw = 2)
plt.ylim(0,100)
plt.show()

运行结果：

• fill()函数填充雷达图

import numpy as np 
import matplotlib.pyplot as plt

theta = np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])
r = [75,60,50,70,50,85,45,70,75]
plt.polar(theta*np.pi,r,'ro-',lw = 2)
plt.fill(theta*np.pi,r,facecolor='r',alpha=0.25)   # 填充
plt.ylim(0,100)
plt.show()

运行结果：

---

二、三维图

【三维图概述】

• matplotlib支持一些基础的三维图表绘制，比如曲面图、散点图和柱状图，需要使用mpl_toolkits模块。
• 如果要绘制三维图形，首先需要使用以下的语句导入相应的对象：

from mpl_toolkits.mplot3d import Axes3D

• 然后使用下面的两种方式之一声明要创建三维图：

ax = fig.gca(projection = '3d')
ax = plt.subplot(111,projection = '3d')

• 接下来就可以使用ax的plot()方法绘制三维曲线、plot_surface()方法绘制三维曲面、scatter()方法绘制三维散点图或bar3d()方法绘制三维柱状图了。

【 三维曲面绘制方法：p3d.Axes3D.plot_surface() 】

• 在绘制三维图形时，至少需要指定x、y三个坐标轴的数据，然后再根据不同的图形指定额外的参数设置图形的属性。

plot_surface(X,Y,Z,*args,**kwargs)

• 常用参数：
• rstride和cstride分别控制x和y两个方向的步长，这决定了曲面上每个面片的大小；
• color用来指定面片的颜色；
• cmap用来指定面片的颜色映射表。

【三维散点图绘制方法：p3d.Axes3D.scatter() 】

p3d.Axes3D.scatter(xs,ys,zs = 0,zdir = 'z',s = 20,c = None,depthshade = True,
*args,**kwargs)

• 常用参数：
• xs、ys、zs分别用来指定散点符号的x、y、z坐标，如果同时为标量则指定一个三点符号的坐标，如果同时为等长数组则指定一系列散点符号的坐标。
• s用来指定散点符号的大小，可以是标量或与xs等长的数组；

【三维柱状图绘制方法：p3d.Axes3D.bar3d()】

p3d.Axes3D.bar3d(x,y,z,dx,dy,dz,color = None,zsort = 'average',*args,**kwargs)

• 常用参数：
• x、y、z分别用来指定每个柱底面的坐标，如果这三个参数都是标量则指定一个柱的地面坐标，如果是三个等长的数组则指定多个柱的底面坐标；
• dx、dy、dz分别用来是定柱在三个坐标轴上的跨度，即x方向的宽度，y方向的厚度和z方向的高度；
• color用来指定柱的表面颜色。

三维曲线图实战：根据测试数据x、y、z，然后绘制三维曲线，并设置图例字号 

import numpy as np
import matplotlib as mpl
import matplotlib.pyplot as plt
from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()
ax = fig.gca(projection = '3d')

#测试数据
theta = np.linspace(-4*np.pi,4*np.pi,100)
z = np.linspace(-4,4,100)*0.3
r = z**4 + 1
x = r*np.sin(theta)
y = r*np.cos(theta)

ax.plot(x,y,z,'b^-',label = '3D Picture Test')
mpl.rcParams['legend.fontsize'] = 10
ax.legend()
plt.show()

三维柱状图实战：生成测试数据，绘制三维柱状图，设置每个柱的颜色随机 

import numpy as np
import matplotlib.pyplot as plt
import mpl_toolkits.mplot3d

x = np.random.randint(0,40,10)
y = np.random.randint(0,40,10)
z = 80*abs(np.sin(x + y))

ax = plt.subplot(projection = '3d')

for xx,yy,zz in zip(x,y,z):
    color = np.random.random(3)
    ax.bar3d(xx,yy,0,dx = 1,dy = 1,dz = zz,color = color)
    
ax.set_xlabel('X')
ax.set_xlabel('Y')
ax.set_xlabel('Z')

plt.show()

Python数据可视化部分四个小节已全部更新完毕，神知道我是在被隔离期间完成这最后一篇的笔记的，接下来要开始机器学习部分的实战啦，大家一起加油，武汉加油，中国加油！！！