数据可视化---饼图、环形图、雷达图

类别 内容导航
机器学习 机器学习算法应用场景与评价指标
机器学习算法---分类
机器学习算法---回归
机器学习算法---聚类
机器学习算法---异常检测
机器学习算法---时间序列
数据可视化 数据可视化---折线图
数据可视化---箱线图
数据可视化---柱状图
数据可视化---饼图、环形图、雷达图
统计学检验 箱线图筛选异常值
3 Sigma原则筛选离群值
Python统计学检验
大数据 PySpark大数据处理详细教程
使用教程 CentOS服务器搭建Miniconda环境
Linux服务器配置免密SSH
大数据集群缓存清理
面试题整理 面试题---机器学习算法
面试题---推荐系统

  • 饼状图:展示了四个类别(A, B, C, D)的数据,每个类别的比例标注在图中。
  • 环形图:与饼状图使用相同的数据,但采用环形设计,以不同的视觉风格呈现相同的信息。
  • 雷达图:展示了六个不同指标(Metric 1 至 Metric 6)的数据,以雷达图的形式展现每个指标的数值。
    这些图表可以根据您的数据和需求进行调整,以便更好地呈现信息。您可以改变数据集、标签和标题来自定义这些图表。
python 复制代码
import matplotlib.pyplot as plt
import numpy as np

def plot_pie_chart(data, labels, title="Pie Chart"):
    """
    绘制饼状图。
    
    :param data: 包含数值的列表。
    :param labels: 与数据相对应的标签列表。
    :param title: 图表的标题。
    """
    fig, ax = plt.subplots()
    ax.pie(data, labels=labels, autopct='%1.1f%%', startangle=140)
    ax.axis('equal')  # Equal aspect ratio ensures the pie chart is circular.
    plt.title(title)
    plt.show()

# 示例数据
pie_data = [35, 25, 25, 15]
pie_labels = ['Category A', 'Category B', 'Category C', 'Category D']

# 绘制图表
plot_pie_chart(pie_data, pie_labels, title="Example Pie Chart")
python 复制代码
import matplotlib.pyplot as plt
import numpy as np

def plot_donut_chart(data, labels, title="Donut Chart"):
    """
    绘制环形图。
    
    :param data: 包含数值的列表。
    :param labels: 与数据相对应的标签列表。
    :param title: 图表的标题。
    """
    fig, ax = plt.subplots()
    ax.pie(data, labels=labels, autopct='%1.1f%%', startangle=140, pctdistance=0.85)
    
    # Draw a circle at the center of pie to make it look like a donut
    centre_circle = plt.Circle((0,0),0.70,fc='white')
    fig = plt.gcf()
    fig.gca().add_artist(centre_circle)
    
    ax.axis('equal')  # Equal aspect ratio ensures the pie chart is circular.
    plt.title(title)
    plt.show()

# 示例数据
pie_data = [35, 25, 25, 15]
pie_labels = ['Category A', 'Category B', 'Category C', 'Category D']

# 绘制图表
plot_donut_chart(pie_data, pie_labels, title="Example Donut Chart")
python 复制代码
import matplotlib.pyplot as plt
import numpy as np

def plot_radar_chart(data, labels, title="Radar Chart"):
    """
    绘制雷达图。
    
    :param data: 包含数值的列表。
    :param labels: 与数据相对应的标签列表。
    :param title: 图表的标题。
    """
    num_vars = len(labels)
    angles = np.linspace(0, 2 * np.pi, num_vars, endpoint=False).tolist()
    data += data[:1]
    angles += angles[:1]

    fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))
    ax.fill(angles, data, color='blue', alpha=0.25)
    ax.plot(angles, data, color='blue', linewidth=2)  # Draw the outline of our data
    ax.set_yticklabels([])
    ax.set_xticks(angles[:-1])
    ax.set_xticklabels(labels)

    plt.title(title, y=1.1)
    plt.show()

# 示例数据
radar_data = [4, 5, 6, 3, 2, 5]
radar_labels = ['Metric 1', 'Metric 2', 'Metric 3', 'Metric 4', 'Metric 5', 'Metric 6']

# 绘制图表
plot_radar_chart(radar_data, radar_labels, title="Example Radar Chart")
相关推荐
云天徽上2 小时前
【数据可视化-21】水质安全数据可视化:探索化学物质与水质安全的关联
安全·机器学习·信息可视化·数据挖掘·数据分析
谁家有个大人3 小时前
Python数据清洗笔记(上)
开发语言·笔记·python·数据分析
Jayen H4 小时前
数据分析:用Excel做周报
数据挖掘·数据分析
袁袁袁袁满7 小时前
《巧用DeepSeek快速搞定数据分析》书籍分享
数据挖掘·数据分析
echoVic7 小时前
PixiJS 源码揭秘 - 8. 插件机制深度解析
前端·源码·数据可视化
穆易青7 小时前
2025.04.23【探索工具】| STEMNET:高效数据排序与可视化的新利器
python·信息可视化·数据分析·ordering·visualisation
lilye6610 小时前
精益数据分析(16/126):掌握关键方法,探寻创业真谛
人工智能·数据挖掘·数据分析
前端小崔10 小时前
从零开始学习three.js(14):一文详解three.js中的场景Scene
webgl·three.js·数据可视化
璞华Purvar14 小时前
璞华ChatBI闪耀2025数博会:对话式数据分析引领数智化转型新范式
microsoft·数据挖掘·数据分析
lilye6614 小时前
精益数据分析(6/126):深入理解精益分析的核心要点
前端·人工智能·数据分析