失眠网 > 可视化实验十一：利用Python绘制气泡图雷达图

可视化实验十一：利用Python绘制气泡图雷达图

时间：2021-04-02 10:26:16

实验目的：

掌握Python中气泡图、雷达图绘图函数的使用及展示图形的意义利用上述绘图函数实现数据可视化

实验内容：

练习python中气泡图、雷达图绘图函数的用法，掌握相关参数的概念根据步骤一绘图函数要求，处理实验数据根据步骤二得到的实验数据，绘制气泡图、雷达图练习如何通过调整参数使图片呈现不同效果，例如颜色、图例位置、背景网格、坐标轴刻度和标记等

实验过程（附结果截图）：

1. 练习python中气泡图、雷达图绘图函数的用法，掌握相关参数的概念

（1）绘制气泡图

import matplotlib.pyplot as pltimport numpy as np# 这两行代码解决 plt 中文显示的问题plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = False# 输入产量与温度数据production = [1125, 1725, 2250, 2875, 2900, 3750, 4125]tem = [6, 8, 10, 13, 14, 16, 21]rain = [25, 40, 58, 68, 110, 98, 120]colors = np.random.rand(len(tem)) # 颜色数组size = productionplt.scatter(tem, rain, s=size, c=colors, alpha=0.6) # 画散点图, alpha=0.6 表示不透明度为 0.6plt.ylim([0, 150]) # 纵坐标轴范围plt.xlim([0, 30]) # 横坐标轴范围plt.xlabel('温度') # 横坐标轴标题plt.ylabel('降雨量') # 纵坐标轴标题plt.show()

（2）绘制雷达图

import numpy as npimport matplotlib.pyplot as plt# 用于正常显示中文plt.rcParams['font.sans-serif'] = 'SimHei'#用于正常显示符号plt.rcParams['axes.unicode_minus'] = False# 使用ggplot的绘图风格，这个类似于美化了，可以通过plt.style.available查看可选值，你会发现其它的风格真的丑。。。plt.style.use('ggplot')# 构造数据values = [2.6,2.1,3.4,3,4.1]feature = ['个人能力','QC知识','解决问题能力','服务质量意识','团队精神']# 设置每个数据点的显示位置，在雷达图上用角度表示angles=np.linspace(0, 2*np.pi,len(values), endpoint=False)# 拼接数据首尾，使图形中线条封闭values=np.concatenate((values,[values[0]]))angles=np.concatenate((angles,[angles[0]]))# 绘图fig=plt.figure()# 设置为极坐标格式ax = fig.add_subplot(111, polar=True)# 绘制折线图ax.plot(angles, values, 'o-', linewidth=2)# 填充颜色ax.fill(angles, values, alpha=0.25)# 设置图标上的角度划分刻度，为每个数据点处添加标签ax.set_thetagrids(angles * 180/np.pi, feature)# 设置雷达图的范围ax.set_ylim(0,5)# 添加标题plt.title('活动前后员工状态表现')# 添加网格线ax.grid(True)plt.show()

2. 根据步骤一绘图函数要求，处理实验数据

（1）实验数据

d = {"时间":pd.Series([,,,,]),"数量":pd.Series([10,200,120,150,300]),"大小":pd.Series([50,130,40,50,160]),"分类":pd.Series([1,2,0,1,2]),"判断":pd.Series([True,True,True,True,True])}

3. 根据步骤二得到的实验数据，绘制气泡图、雷达图

（1）绘制气泡图

import pandas as pdimport matplotlib.pyplot as pltimport pandas as pdd = {"时间": pd.Series([, , , , ]),"数量": pd.Series([10, 200, 120, 150, 300]),"大小": pd.Series([50, 130, 40, 50, 160]),"分类": pd.Series([1, 2, 0, 1, 2]),"判断": pd.Series([True, True, True, True, True])}df = pd.DataFrame(d)# 先定义气泡大小，rank 函数将大小列进行大小分配，越大的值分配结果也越高# n 为倍数，用来调节气泡的大小，且看后头size = df['大小'].rank()n = 20# 定义一个字典，将颜色跟对应的分类进行绑定color = {0: 'red', 1: 'blue', 2: 'orange'}# 增加color的参数，用列表解析式将data分类中的每个数据的数字映射到前面color的颜色中plt.scatter(df['数量'], df['大小'], color=[color[i]for i in df['分类']])plt.show()

（2）绘制雷达图

import numpy as npimport matplotlib.pyplot as plt# 标签labels = np.array(['语文', '数学', '英语', '生物', '物理', '化学'])# 数据个数dataLenth = 6# 数据data = np.array([7, 4, 3, 6, 4, 8])angles = np.linspace(0, 2*np.pi, dataLenth, endpoint=False)data = np.concatenate((data, [data[0]])) # 闭合angles = np.concatenate((angles, [angles[0]])) # 闭合fig = plt.figure()ax = fig.add_subplot(111, polar=True) # polar参数！！ax.plot(angles, data, 'bo-', linewidth=2) # 画线ax.fill(angles, data, facecolor='r', alpha=0.25) # 填充ax.set_thetagrids(angles * 180/np.pi, labels, fontproperties="SimHei")ax.set_title("matplotlib雷达图", va='bottom', fontproperties="SimHei")ax.set_rlim(0, 10)ax.grid(True)plt.show()

4. 练习如何通过调整参数使图片呈现不同效果，例如颜色、图例位置、背景网格、坐标轴刻度和标记等

（1）绘制气泡图

（2）绘制雷达图