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:
雷达图三维图
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 pltplt.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 plttheta = 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()
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。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。
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 plttheta = 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 plttheta = 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
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:【三维图概述】
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。
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。【 三维曲面绘制方法:p3d.Axes3D.plot_surface() 】
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 npimport matplotlib as mplimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Dfig = 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)*0.3r = z**4 + 1x = r*np.sin(theta)y = r*np.cos(theta)ax.plot(x,y,z,'b^-',label = '3D Picture Test')mpl.rcParams['legend.fontsize'] = 10ax.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 npimport matplotlib.pyplot as pltimport mpl_toolkits.mplot3dx = 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!!!