Plotly 极坐标图和雷达图

在本章中，我们将学习如何在 Plotly 的帮助下制作极坐标图和雷达图。

首先，让我们学习一下极坐标图。

极坐标图

极坐标图是圆形图的常见变体。当数据点之间的关系可以根据半径和角度最容易地可视化时，它很有用。

在极坐标图中，一系列由连接极坐标系中点的闭合曲线表示。每个数据点由与极点的距离(径向坐标)和与固定方向的角度(角坐标)确定。

极坐标图表示沿径向和角轴的数据。径向和角坐标由 r and theta 论据 go.Scatterpolar() 功能。 theta 数据可以是分类的，但数值数据也是可能的，并且是最常用的。

以下代码生成一个基本的极坐标图。除了 r 和 theta 参数，我们将 mode 设置为 lines (它可以很好地设置为标记，在这种情况下只显示数据点)。

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：

在以下示例中，数据来自 逗号分隔值 (CSV) 文件 用于生成极坐标图。前几行 极地.csv 如下面所述：

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 notebook 的输入单元格中输入以下脚本生成极坐标图，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)

以下是上述代码的输出：

雷达图

雷达图(也称为 蜘蛛图 or 星图 ) 以量化变量的二维图表的形式显示多元数据，这些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信息的。

对于雷达图，使用带有分类角度变量的极坐标图 go.Scatterpolar() 一般情况下的功能。

以下代码呈现了一个基本的雷达图 Scatterpolar() 函数 ：

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)

下面提到的输出是上面给定代码的结果：