📌  相关文章
📜  阴谋-极坐标图和雷达图

📅  最后修改于: 2020-11-29 07:08:26             🧑  作者: Mango

在本章中，我们将学习如何借助Plotly制作极坐标图和雷达图。

首先，让我们研究极坐标图。

极坐标图

极坐标图是圆形图的常见变体。当可以最容易地根据半径和角度将数据点之间的关系可视化时，这很有用。

在极坐标图中，序列由连接极坐标系统中各点的闭合曲线表示。每个数据点由距极点的距离(径向坐标)和距固定方向的角度(角度坐标)确定。

极坐标图表示沿径向和角轴的数据。径向和角坐标由go.Scatterpolar()函数的r和theta参数给出。 Theta数据可以是分类的，但是数值数据也是可能的，并且是最常用的数据。

以下代码生成基本的极坐标图。除了r和theta参数外，我们还将模式设置为线(可以将其设置为标记，在这种情况下，仅显示数据点)。

import numpy as np
r1 = [0,6,12,18,24,30,36,42,48,54,60]
t1 = [1,0.995,0.978,0.951,0.914,0.866,0.809,0.743,0.669,0.588,0.5]
trace = go.Scatterpolar(
   r = [0.5,1,2,2.5,3,4],
   theta = [35,70,120,155,205,240],
   mode = 'lines',
)
data = [trace]
fig = go.Figure(data = data)
iplot(fig)

输出如下-

极坐标图

在以下示例中，使用逗号分隔值(CSV)文件中的数据来生成极坐标图。 polar.csv的前几行如下-

y,x1,x2,x3,x4,x5,
0,1,1,1,1,1,
6,0.995,0.997,0.996,0.998,0.997,
12,0.978,0.989,0.984,0.993,0.986,
18,0.951,0.976,0.963,0.985,0.969,
24,0.914,0.957,0.935,0.974,0.946,
30,0.866,0.933,0.9,0.96,0.916,
36,0.809,0.905,0.857,0.943,0.88,
42,0.743,0.872,0.807,0.923,0.838,
48,0.669,0.835,0.752,0.901,0.792,
54,0.588,0.794,0.691,0.876,0.74,
60,0.5,0.75,0.625,0.85,0.685,

在笔记本的输入单元格中输入以下脚本以生成极坐标图，如下所示：

import pandas as pd
df = pd.read_csv("polar.csv")
t1 = go.Scatterpolar(
   r = df['x1'], theta = df['y'], mode = 'lines', name = 't1'
)
t2 = go.Scatterpolar(
   r = df['x2'], theta = df['y'], mode = 'lines', name = 't2'
)
t3 = go.Scatterpolar(
   r = df['x3'], theta = df['y'], mode = 'lines', name = 't3'
)
data = [t1,t2,t3]
fig = go.Figure(data = data)
iplot(fig)

下面给出的是上述代码的输出-

生成极坐标图

雷达图

雷达图(也称为蜘蛛图或星形图)以二维变量图的形式显示多变量数据，该二维变量表示在源自中心的轴上。轴的相对位置和角度通常是无用的。

对于雷达图，通常在go.Scatterpolar()函数中使用带有分类角度变量的极坐标图。

以下代码使用Scatterpolar()函数呈现基本雷达图-

radar = go.Scatterpolar(
   r = [1, 5, 2, 2, 3],
   theta = [
      'processing cost',
      'mechanical properties',
      'chemical stability', 
      'thermal stability',
      'device integration'
   ],
   fill = 'toself'
)
data = [radar]
fig = go.Figure(data = data)
iplot(fig)

以下提到的输出是上述给定代码的结果-

雷达图