前言
雷达图的背景一圈一圈地像雷达 ， 用多边形来展现数据的大小 ， 我认为比较适合用于有多种不同维度的情形 ， 是发现差距的一种好工具 。
比如说 ， 「得到 APP」上的学分构成包括 5 个不同维度 ， 我根据自己的学分构成及其变化 ， 制作了一张雷达图 。

本文插图

其中「持续性」与学习的天数相关 ， 「学习量」与听课或看书的数量相关 ， 「笔记」与笔记的数量和互动相关 ， 「知识分享」与分享转发的次数相关 ， 「好奇心」与搜索的次数和广度相关 。
从图中可以看出 ， 在 2020 年的年初 ， 我在笔记方面还比较薄弱 ， 经过努力 ， 我做笔记的数量明显增加了 。
借助雷达图 ， 我们可以直观地看到差距 ， 进而通过分析 ， 更好地进行改善 。
PS：如有需要Python学习资料的小伙伴可以加下方的群去找免费管理员领取
【雷达|Python可视化：matplotlib 制作雷达图进行对比分析】

本文插图

可以免费领取源码、项目实战视频、PDF文件等

本文插图

02
接下来 ， 我们看看用 matplotlib 画图的具体步骤 。
首先 ， 导入所需的库 ， 并设置中文字体和定义颜色等 。

# 导入所需的库import numpy as npimport pandas as pdimport matplotlib as mplimport matplotlib.pyplot as pltimport matplotlib.image as image# 正常显示中文标签mpl.rcParams["font.sans-serif"] = ["SimHei"]# 自动适应布局mpl.rcParams.update({"figure.autolayout": True})# 正常显示负号mpl.rcParams["axes.unicode_minus"] = False# 禁用科学计数法pd.set_option("display.float_format", lambda x: "%.2f" % x) # 定义颜色 ， 主色：蓝色 ， 辅助色：灰色 ， 互补色：橙色c = {"蓝色":"#00589F", "深蓝色":"#003867", "浅蓝色":"#5D9BCF", "灰色":"#999999", "深灰色":"#666666", "浅灰色":"#CCCCCC", "橙色":"#F68F00", "深橙色":"#A05D00", "浅橙色":"#FBC171"}
其次 ， 从 Excel 文件中读取数据 ， 并定义画图用的数据 。

# 数据源路径filepath="./data/林骥的学分构成.xlsx"# 读取 Excel文件df = pd.read_excel(filepath)# 提取画图所需的数据data0 = df.iloc[0, 2:].valuesdata1 = df.iloc[1, 2:].values#提取标签label = np.array(df.iloc[1, 2:].index)# 根据分数添加评级的标签for i, d in enumerate(data1): if d &gt 4: grade = "A^+" elif d == 4: grade = "A" elif d &gt 3: grade = "B^+" elif d == 3: grade = "B" else: grade = "B^-" label[i] += "" + r"$f{" + grade + "}$" # data 有几个数据 ， 就把整圆 360° 分成几份angle = np.linspace(0, 2*np.pi, len(data0), endpoint=False)# 增加第一个 angle 到所有 angle 里 ， 以实现闭合angles = np.concatenate((angle, [angle[0]]))# 倒转顺序 ， 以让雷达图顺时针显示angles = angles[::-1]#增加第一个 data 到所有的 data 里 ， 以实现闭合data0 = np.concatenate((data0, [data0[0]]))data1 = np.concatenate((data1, [data1[0]]))
接下来 ， 开始用「面向对象」的方法进行画图 。

# 使用「面向对象」的方法画图 ， 定义图片的大小fig, ax=plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))# 设置背景颜色fig.set_facecolor("w")ax.set_facecolor("w")# 设置标题ax.set_title("林骥的学分构成及其变化", fontsize=26, loc="left", color=c["深灰色"]) # 设置网格标签ax.set_thetagrids(angles*180/np.pi, labels=label)# 画雷达图 ， 用顺时针显示ax.plot(angles, data0, "o-", label=df.iloc[0, 0].strftime("%Y-%m-%d"))ax.plot(angles, data1, "o-", label=df.iloc[1, 0].strftime("%Y-%m-%d"))# 设置极坐标 0° 的位置ax.set_theta_zero_location("N") # 设置显示的极径范围ax.set_rlim(0, 5)# 填充颜色ax.fill(angles, data0, facecolor=c["浅蓝色"], alpha=0.6)ax.fill(angles, data1, facecolor=c["浅橙色"], alpha=0.6)# 设置极径标签 ， 放在第一象限的中间位置ax.set_rlabel_position(360-360/len(data0)/2)# 设置图例显示的位置l = ax.legend(ncol=2, loc="lower center", frameon=False, borderaxespad=-3, fontsize=13)for text in l.get_texts(): text.set_color(c["深灰色"])# text.set_size(13)# 去掉最外围的黑圈ax.spines["polar"].set_visible(False) # 设置坐标标签字体大小和颜色ax.tick_params(labelsize=16, colors=c["深灰色"])plt.show()