资讯专栏INFORMATION COLUMN

Python pyecharts如何绘制雷达图?

89542767 / 702人阅读

  小编写这篇文章的主要方法,就是介绍关于Python pyecharts的一些相关技巧,包括教给大家怎么去使用Python pyecharts绘制雷达图。其实,说起来还是挺麻烦的,那么,我们要怎么去绘制雷达图呢?有没有什么比较好用的方法呢?下面给大家详细解答下。


  雷达图


  雷达图是以从同一点开始的轴上表示的三个或更多个定量变量的二维图表的形式显示多变量数据的图形方法。轴的相对位置和角度通常是无信息的。雷达图也称为网络图,蜘蛛图,星图,蜘蛛网图,不规则多边形,极坐标图或Kiviat图。它相当于平行坐标图,轴径向排列。


  平行坐标图:


  平行坐标图是一种通常的可视化方法,用于对高维几何和多元数据的可视化。


  为了表示在高维空间的一个点集,在N条平行的线的背景下,(一般这N条线都竖直且等距),一个在高维空间的点被表示为一条拐点在N条平行坐标轴的折线,在第K个坐标轴上的位置就表示这个点在第K个维的值。


  平行坐标图是信息可视化的一种重要技术。为了克服传统的笛卡尔直角坐标系容易耗尽空间、难以表达三维以上数据的问题,平行坐标图将高维数据的各个变量用一系列相互平行的坐标轴表示,变量值对应轴上位置。为了反映变化趋势和各个变量间相互关系,往往将描述不同变量的各点连接成折线。所以平行坐标图的实质是将m维欧式空间的一个点Xi(xi1,xi2,...,xim)映射到二维平面上的一条曲线。


  平行坐标图的一个显著优点是其具有良好的数学基础,其射影几何解释和对偶特性使它很适合用于可视化数据分析。


  雷达图主要应用于企业经营状况——href="https://baike.baidu.com/item/%E6%94%B6%E7%9B%8A"rel="nofollow"target="_blank">收益性、生产性、流动性、安全性和成长性的评价。上述指标的分布组合在一起非常象雷达的形状,因此而得名。


  雷达图模板系列


  基础雷达图


  import pyecharts.options as opts
  from pyecharts.charts import Radar
  v1=[[4300,10000,28000,35000,50000,19000]]
  v2=[[5000,14000,28000,31000,42000,21000]]
  (
  Radar(init_opts=opts.InitOpts(width="1280px",height="720px",bg_color="#CCCCCC"))
  .add_schema(
  schema=[
  opts.RadarIndicatorItem(name="销售(sales)",max_=6500),
  opts.RadarIndicatorItem(name="管理(Administration)",max_=16000),
  opts.RadarIndicatorItem(name="信息技术(Information Technology)",max_=30000),
  opts.RadarIndicatorItem(name="客服(Customer Support)",max_=38000),
  opts.RadarIndicatorItem(name="研发(Development)",max_=52000),
  opts.RadarIndicatorItem(name="市场(Marketing)",max_=25000),
  ],
  splitarea_opt=opts.SplitAreaOpts(
  is_show=True,areastyle_opts=opts.AreaStyleOpts(opacity=1)
  ),
  textstyle_opts=opts.TextStyleOpts(color="#fff"),
  )
  .add(
  series_name="预算分配(Allocated Budget)",
  data=v1,
  linestyle_opts=opts.LineStyleOpts(color="#CD0000"),
  )
  .add(
  series_name="实际开销(Actual Spending)",
  data=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")
  )

01.png

  单例雷达图


  from pyecharts import options as opts
  from 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")
  )

02.png

  空气质量模板


  from pyecharts import options as opts
  from 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")
  )

  03.png

       颜色雷达图


  线条颜色可以配置:


  from pyecharts import options as opts
  from 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")
  )

  综上所述,这篇文章就给大家介绍到这里了,希望可以给大家带来帮助。

文章版权归作者所有,未经允许请勿转载,若此文章存在违规行为,您可以联系管理员删除。

转载请注明本文地址:https://www.ucloud.cn/yun/128295.html

相关文章

  • 如何使用Python pyecharts绘制漏斗?请仔细阅读下文

      小编写这篇文章的主要目的,主要是来给大家去做出一个相关性的介绍,介绍的内容主要还是涉及到Python pyecharts,主要是利用Python pyecharts去绘制漏斗,那么,具体要怎么绘制呢?下面给大家详细解答下。  漏斗图  漏斗图是由Light等在1984年提出,一般以单个研究的效应量为横坐标,样本含量为纵坐标做的散点图。效应量可以为RR、OR和死亡比或者其对数值等。理论上讲,被纳...

    89542767 评论0 收藏0
  • Python pyecharts绘制水球的方法是什么?

      小编写这篇文章的主要目的,主要是给大家去做一个详细解答,介绍的内容是关于Python pyecharts的一些详细内容,给大家讲解关于如何绘制水球图等相关事宜,具体的内容,下面给大家详细解答。  水球图  水球图首先是动态的效果,像水流一样波动,所以看起来比较的舒服,一般用于业务里面的完成率,其实和之前的仪表盘有点类似,但是我个人绝对水球图更加的好,因为看起来比较的炫酷。  frompyech...

    89542767 评论0 收藏0
  • 如何使用Python pyecharts绘制散点

      小编写这篇文章的主要目的,主要是给大家去做一个解答,解答的内容主要是关于Python pyecharts的一些案例,包括如何使用它去进行绘制一个相关的散点图,怎么能够快速的去进行绘制。就具体的内容,下面就给大家详细解答下。  什么是散点图?  散点图是指在数理统计回归分析中,数据点在直角坐标系平面上的分布图,散点图表示因变量随自变量而变化的大致趋势,由此趋势可以选择合适的函数进行经验分布的拟合...

    89542767 评论0 收藏0
  • Python pyecharts如何绘制饼状呢?下面给大家解答

      小编写这篇文章的一个主要目的,继续为大家介绍关于Python相关事宜,介绍的内容主要是教我们如何去绘制饼状图,具体怎么去做呢?下面就给大家详细的解答下。  概念  饼图(pie chart)是用圆形及圆内扇形的角度来表示数值大小的图形,它主要用于表示一个样本(或总体)中各组成部分的数据占全部数据的比例。仅排列在工作表的一列或一行中的数据可以绘制到饼图中。饼图显示一个数据系列(数据系列:在图表中...

    89542767 评论0 收藏0
  • 如何利用Python pyecharts画中国地

      python使用场景还是很多的,特别是在实现自动化的办公阶段,python的用处是比较的大的,那么,今天又有一个比较新奇的想法,如何使用python中的pyecharts去画一个中国地图呢?下面给各位读者做一个详细介绍。  在这一个月的时间里,利用网络爬虫爬取了杭州所有二手房的一个数据,在作图的时候发现在地图呈现上还是有欠缺,这里就把用到的贴出来,提升一下记忆。  之前有接触用Basemap绘...

    89542767 评论0 收藏0

发表评论

0条评论

最新活动
阅读需要支付1元查看
<