用python绘制极坐标雷达图
综述
python的matplotlib画图库的功能非常强大，可以画很多很多种图，我们日常生活中遇到的雷达图也不例外。
雷达图也被称为网络图，蜘蛛图，星图等，是一个不规则的多边形。雷达图可以形象地展示相同事物的多维指标，应用场景非常多，比如本篇博客中，用来展示球员的不同能力的区别。
matplotlib库中的雷达图绘制是基于极坐标的，因此所有的数据和标签都要根据角度来计算出位置。
本篇博客将详细的解释绘制雷达图过程中的思路、过程以及各个函数方法的详细解析，如有不正确的地方欢迎大佬指正~
绘图代码和解析
绘制一张多主体雷达图
所谓多主体雷达图，就是在一张图中显示多个多边形组成的属性图，形成直观的对比。
预处理
对应的包下好，然后解决一下中文和符号显示的问题，设置默认的字体，修改绘图样式；
加载数据集（我这里的数据集来源：某绿色足球app），提取字典中的键和值分别保存在labels和score当中。
import numpy as np
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
plt.style.use('ggplot') # 设置ggplot主题样式
# 原始数据集并获取数据集长度
results = [{"速度": 68, "射门": 91, "传球": 83, "盘带": 83, "防守": 47, "力量": 82},
{"速度": 88, "射门": 87, "传球": 82, "盘带": 86, "防守": 42, "力量": 69},
{"速度": 58, "射门": 55, "传球": 70, "盘带": 67, "防守": 86, "力量": 77}]
data_length = len(results[0])
# 将极坐标根据数据长度进行等分，形成角度列表
angles = np.linspace(0, 2 * np.pi, data_length, endpoint=False)
# 分离属性字段和数据
labels = [key for key in results[0].keys()]
score = [[v for v in result.values()] for result in results]
封闭雷达图
由于我们画出来的图是一个封闭的多边形，而我们提取出来的score、labels和angles数据的每一项并不是首尾相接的，因此我们需要把每一个列表的第一项copy一下，然后添加到列表末尾。
angles = np.concatenate((angles, [angles[0]])) labels = np.concatenate((labels, [labels[0]])) score_Harry = np.concatenate((score[0], [score[0][0]])) score_Son = np.concatenate((score[1], [score[1][0]])) score_Tobi = np.concatenate((score[2], [score[2][0]]))
这里因为我弄了三个球员的数据，所以有三条score数据。
提一下np.concatenate函数，这是一个numpy库中对多个数组进行合并的函数，参数格式为：concatenate((arr1,arr2,arr3),axis=0),第一个括号里面是要合并的数组，可以填任意个，第二个axis参数，与合并方式有关，这里我们用不到就不多赘述了。
绘制图像
绘制图像基本跟绘制条形图的步骤差不多，有几个可以注意的点：
plot函数中，绘制条形图是按照“横坐标-纵坐标”来填写第一和第二个参数的，由于我们雷达图是基于极坐标的，matplotlib也很智能的提供了“角度-半径”的极坐标参数填写方式；
plot中的颜色只管边框颜色，fill函数中的颜色是填充颜色，可以自由组合追求美观；
fill函数中的alpha参数指的是覆盖区的透明度，越小表示越透明，区间0-1；
plt.legend图例函数中的loc，是描述图例位置的
代码如下：
# 设置图形的大小
fig = plt.figure(figsize=(8, 6), dpi=100)
# 新建一个子图
ax = plt.subplot(111, polar=True)
# 绘制雷达图并填充颜色
ax.plot(angles, score_Harry, color='orange')
ax.fill(angles, score_Harry, 'y', alpha=0.4)
ax.plot(angles, score_Son, color='b')
ax.fill(angles, score_Son, 'cyan', alpha=0.4)
ax.plot(angles, score_Tobi, color='r')
ax.fill(angles, score_Tobi, 'salmon', alpha=0.4)
# 设置雷达图中每一项的标签显示
ax.set_thetagrids(angles * 180 / np.pi, labels, fontsize=15)
ax.set_theta_zero_location('E') # 设置0度坐标轴起始位置，东西南北
ax.set_rlim(0, 100) # 设置雷达图的坐标刻度范围
ax.set_rlabel_position(270) # 设置雷达图的坐标值显示角度，相对于起始角度的偏移量
ax.set_title("热刺球员能力对比图")
plt.legend(["哈里·凯恩", "孙兴愍", "托比"], loc='lower left')
plt.show()
完整代码：
import numpy as np
import matplotlib.pyplot as plt
# 解决中文显示问题
plt.rcParams['font.sans-serif'] = ['KaiTi'] # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False # 解决保存图像是负号'-'显示为方块的问题
plt.style.use('ggplot') # 设置ggplot样式
# 原始数据集并获取数据集长度
results = [{"速度": 68, "射门": 91, "传球": 83, "盘带": 83, "防守": 47, "力量": 82},
{"速度": 88, "射门": 87, "传球": 82, "盘带": 86, "防守": 42, "力量": 69},
{"速度": 58, "射门": 55, "传球": 70, "盘带": 67, "防守": 86, "力量": 77}]
data_length = len(results[0])
angles = np.linspace(0, 2 * np.pi, data_length, endpoint=False) # 将极坐标根据数据长度进行等分
# 分离属性字段和数据
labels = [key for key in results[0].keys()]
score = [[v for v in result.values()] for result in results]
# 使雷达图数据封闭
angles = np.concatenate((angles, [angles[0]]))
labels = np.concatenate((labels, [labels[0]]))
score_Harry = np.concatenate((score[0], [score[0][0]]))
score_Son = np.concatenate((score[1], [score[1][0]]))
score_Tobi = np.concatenate((score[2], [score[2][0]]))
# 设置图形的大小
fig = plt.figure(figsize=(8, 6), dpi=100)
# 新建一个子图
ax = plt.subplot(111, polar=True)
# 绘制雷达图并填充颜色
ax.plot(angles, score_Harry, color='orange')
ax.fill(angles, score_Harry, 'y', alpha=0.4)
ax.plot(angles, score_Son, color='b')
ax.fill(angles, score_Son, 'cyan', alpha=0.4)
ax.plot(angles, score_Tobi, color='r')
ax.fill(angles, score_Tobi, 'salmon', alpha=0.4)
# 设置雷达图中每一项的标签显示
ax.set_thetagrids(angles * 180 / np.pi, labels, fontsize=15)
ax.set_theta_zero_location('E') # 设置0度坐标轴起始位置，东西南北
ax.set_rlim(0, 100) # 设置雷达图的坐标刻度范围
ax.set_rlabel_position(270) # 设置雷达图的坐标值显示角度，相对于起始角度的偏移量
ax.set_title("热刺球员能力对比图")
plt.legend(["哈里·凯恩", "孙兴愍", "托比"], loc='lower left')
plt.show()
最后得到的雷达图：
还是挺好看的(?)
绘制多张单主体雷达图
数据处理部分跟上面一样，我们直接从画图讲起。
建立子图
首先我们用plt.figure绘制好基本画布之后，需要建立三个子图（因为有三个球员）：
ax1 = plt.subplot(131, polar=True) ax2 = plt.subplot(132, polar=True) ax3 = plt.subplot(133, polar=True)
我们把整个画布看作一个矩阵，有m行n列；
第一个参数是一个三位数，第一位表示该子图在整个画布的行位置，1表示总共把画布划分为1行；第二位表示列，3表示总共把画布划分为3列；第三个表示索引值，指的是具体的位置，按照从上到下从左到右排列，比如在一个2*2的画布中，索引值为3表示在第二行第一个；
循环遍历画每个子图
首先把画图用的子图、数据、标签、颜色都用列表存起来，方便遍历；
遍历每一个子图：
首先画角度坐标轴和框线，’-.'表示框线的样式是有一个小线段加一个点组成，lw是linewidth的缩写，表示线的粗细；
先绘制沿半径方向的等值线，再绘制角度轴；
绘图并填充颜色，跟上面一样；
标出数据下标，ha和va是调整水平和垂直方向的位置
最后调整labels、坐标值范围等参数
ax, data, name, color = [ax1, ax2, ax3], [score_Harry, score_Son, score_Tobi], ["哈里·凯恩", "孙兴愍", "托比"], ["orange", "cyan", "green"]
for i in range(3):
# 绘制角度轴和框线
for j in np.arange(0, 100+20, 20):
ax[i].plot(angles, 7*[j], '-.', lw=0.5, color='black') # 沿半径方向的等值线
for j in range(5):
ax[i].plot([angles[j], angles[j]], [0, 100], '-.', lw=0.5, color='black') # 绘制角度轴
# 绘制图像并填充颜色
ax[i].plot(angles, data[i], color=color[i])
ax[i].fill(angles, data[i], color=color[i], alpha=0.4)
# 数据下标
for a, b in zip(angles, data[i]):
ax[i].text(a, b+5, '%.00f' % b, ha='center', va='center', fontsize=10, color='black')
# 参数设置
ax[i].set_thetagrids(angles*180/np.pi, labels)
ax[i].set_theta_zero_location('N')
ax[i].set_rlim(0, 100)
ax[i].set_rlabel_position(0)
ax[i].set_title(name[i])
最后得到效果（个人审美有限，不喜勿喷）：
总体来说，强大的matplotlib + 灵活运用代码 + 美化 = 一幅好看的雷达图~
总结
