python数据可视化雷达图,python生成雷达图
本文主要介绍Python可视化神器pyecharts绘制雷达图，这是一种从同一点在轴上以二维图表的形式显示三个或三个以上量化变量的多元数据的图形方法。
00-1010雷达图雷达图模板系列基本雷达图单例雷达图空气质量模板彩色雷达图
目录
雷达是一种以二维图表的形式显示多变量数据的图形方法，在轴上从同一点显示三个或更多的定量变量。轴的相对位置和角度通常没有信息。雷达图也叫网络图、蜘蛛图、星图、蛛网图、不规则多边形、极坐标图或基维亚特图。它相当于一个平行坐标图，轴呈放射状排列。
平行坐标图：
平行坐标图是一种常用的可视化方法，用于可视化高维几何和多元数据。
为了表示高维空间中的点集，在n条平行线(一般这n条线是垂直等距的)的背景下，将高维空间中的一个点表示为一条折线，其拐点在n个平行坐标轴上，在第k个坐标轴上的位置表示该点在第k维的值。
平行坐标图是信息可视化的一项重要技术。平行坐标图为了克服传统的笛卡尔坐标系容易跑出空间、难以表达三维以上数据的问题，用一系列相互平行的坐标轴来表示高维数据的变量，变量值对应轴上的位置。为了反映变化趋势和变量之间的关系，描述不同变量的点往往被连接成虚线。所以平行坐标图的实质是绘制一个点Xi(xi1，xi2，xim)转化为二维平面上的曲线。
平行坐标图的一个显著优点是具有良好的数学基础，其射影几何解释和对偶特征使其非常适合可视化数据分析。
雷达主要用于评估企业的盈利能力、生产率、流动性、安全性和成长性的经营状况—— href= 3359baike.baidu.com/item/revenue rel= no follow target= _ blank 。上述指标的分布与雷达的形状非常相似，因而得名。
雷达图
雷达图模板系列
将pyecharts.options作为选项导入
从pyecharts.charts导入雷达
v1=[[4300，10000，28000，35000，50000，19000]]
v2=[[5000，14000，28000，31000，42000，21000]]
(
Radar(init_opts=opts。InitOpts(宽度= 1280像素，高度= 720像素，bg_color=#CCCCCC ))
.添加模式(
架构=[
Opts。RadarIndicatorItem(name== sales ，max _=6500)，
Opts。radar indicator(name= administration ，max _=16000)，
Opts。radarindication (name=信息技术，max _=30000)，
Opts。radarindication (name=客户支持，max _=38000)，
Opts。radarindicator (name=研发，max _=52000)，
Opts。radarindication(name= marketing ，max _=25000)，
],
splitarea_opt=opts。SplitAreaOpts(
is_show=True，areastyle_opts=opts。AreaStyleOpts(不透明度=1)
),
textstyle_opts=opts。TextStyleOpts(color=#fff )，
)
.添加(
Series_name=分配的预算，
数据=v1，
linestyle_opts=opts。LineStyleOpts(color=#CD0000 )，
)
.添加(
Series_name=实际支出，
数据=v2
,
linestyle_opts=opts.LineStyleOpts(color="#5CACEE"),
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="基础雷达图"), legend_opts=opts.LegendOpts()
)
.render("基础雷达图.html")
)
单例雷达图
from pyecharts import options as optsfrom pyecharts.charts import Radar
v1 = [[4300, 10000, 28000, 35000, 50000, 19000]]
v2 = [[5000, 14000, 28000, 31000, 42000, 21000]]
c = (
Radar()
.add_schema(
schema=[
opts.RadarIndicatorItem(name="销售", max_=6500),
opts.RadarIndicatorItem(name="管理", max_=16000),
opts.RadarIndicatorItem(name="信息技术", max_=30000),
opts.RadarIndicatorItem(name="客服", max_=38000),
opts.RadarIndicatorItem(name="研发", max_=52000),
opts.RadarIndicatorItem(name="市场", max_=25000),
]
)
.add("预算分配", v1)
.add("实际开销", v2)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
legend_opts=opts.LegendOpts(selected_mode="single"),
title_opts=opts.TitleOpts(title="标题"),
)
.render("一维雷达图.html")
)
空气质量模板
from pyecharts import options as optsfrom pyecharts.charts import Radar
value_bj = [
[55, 9, 56, 0.46, 18, 6, 1],
[25, 11, 21, 0.65, 34, 9, 2],
[56, 7, 63, 0.3, 14, 5, 3],
[33, 7, 29, 0.33, 16, 6, 4],
[42, 24, 44, 0.76, 40, 16, 5],
[82, 58, 90, 1.77, 68, 33, 6],
[74, 49, 77, 1.46, 48, 27, 7],
[78, 55, 80, 1.29, 59, 29, 8],
[267, 216, 280, 4.8, 108, 64, 9],
[185, 127, 216, 2.52, 61, 27, 10],
[39, 19, 38, 0.57, 31, 15, 11],
[41, 11, 40, 0.43, 21, 7, 12],
]
value_sh = [
[91, 45, 125, 0.82, 34, 23, 1],
[65, 27, 78, 0.86, 45, 29, 2],
[83, 60, 84, 1.09, 73, 27, 3],
[109, 81, 121, 1.28, 68, 51, 4],
[106, 77, 114, 1.07, 55, 51, 5],
[109, 81, 121, 1.28, 68, 51, 6],
[106, 77, 114, 1.07, 55, 51, 7],
[89, 65, 78, 0.86, 51, 26, 8],
[53, 33, 47, 0.64, 50, 17, 9],
[80, 55, 80, 1.01, 75, 24, 10],
[117, 81, 124, 1.03, 45, 24, 11],
[99, 71, 142, 1.1, 62, 42, 12],
]
c_schema = [
{"name": "AQI", "max": 300, "min": 5},
{"name": "PM2.5", "max": 250, "min": 20},
{"name": "PM10", "max": 300, "min": 5},
{"name": "CO", "max": 5},
{"name": "NO2", "max": 200},
{"name": "SO2", "max": 100},
]
c = (
Radar()
.add_schema(schema=c_schema, shape="circle")
.add("北京", value_bj, color="#f9713c")
.add("上海", value_sh, color="#b3e4a1")
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="空气质量"))
.render("空气质量.html")
)
颜色雷达图
线条颜色可以配置：
from pyecharts import options as optsfrom pyecharts.charts import Radar
data = [{"value": [4, -4, 2, 3, 0, 1], "name": "预算分配"}]
c_schema = [
{"name": "销售", "max": 4, "min": -4},
{"name": "管理", "max": 4, "min": -4},
{"name": "技术", "max": 4, "min": -4},
{"name": "客服", "max": 4, "min": -4},
{"name": "研发", "max": 4, "min": -4},
{"name": "市场", "max": 4, "min": -4},
]
c = (
Radar()
.set_colors(["#4587E7"])
.add_schema(
schema=c_schema,
shape="circle",
center=["50%", "50%"],
radius="80%",
angleaxis_opts=opts.AngleAxisOpts(
min_=0,
max_=360,
is_clockwise=False,
interval=5,
axistick_opts=opts.AxisTickOpts(is_show=False),
axislabel_opts=opts.LabelOpts(is_show=False),
axisline_opts=opts.AxisLineOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False),
),
radiusaxis_opts=opts.RadiusAxisOpts(
min_=-4,
max_=4,
interval=2,
splitarea_opts=opts.SplitAreaOpts(
is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
polar_opts=opts.PolarOpts(),
splitarea_opt=opts.SplitAreaOpts(is_show=False),
splitline_opt=opts.SplitLineOpts(is_show=False),
)
.add(
series_name="预算",
data=data,
areastyle_opts=opts.AreaStyleOpts(opacity=0.2),
linestyle_opts=opts.LineStyleOpts(width=2),
)
.render("颜色雷达图.html")
)
到此这篇关于Python可视化神器pyecharts绘制雷达图的文章就介绍到这了,更多相关Python绘制雷达图内容请搜索盛行IT软件开发工作室以前的文章或继续浏览下面的相关文章希望大家以后多多支持盛行IT软件开发工作室！
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。