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: