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
观测云1 小时前
告别“巡检早高峰”:利用观测云定期报告实现高效异步巡检
数据分析
CodeCraft Studio1 小时前
高性能图表库SciChart助力机器人实现实时AI驱动的性能提升
人工智能·信息可视化·机器人·数据可视化·scichart·高性能图表库·wpf图表库
YangYang9YangYan3 小时前
互联网行业学数据分析的价值分析
数据挖掘·数据分析
书到用时方恨少!3 小时前
Python Matplotlib 使用指南:数据可视化的画笔
python·信息可视化·matplotlib
码云之上3 小时前
从 SQL DDL 到 ER 图:前端如何优雅地实现数据库可视化
前端·数据库·数据可视化
CS创新实验室3 小时前
数据分析与数据挖掘领域就业分析报告
人工智能·数据挖掘·数据分析
V搜xhliang02463 小时前
AI大模型辅助临床医学科研应用、论文写作、数据分析与AI绘图学习
人工智能·学习·数据分析
YangYang9YangYan3 小时前
计算机专业学数据分析的可行性分析
数据挖掘·数据分析
城数派4 小时前
2014-2025年全国监测站点的逐月空气质量数据(15个指标\Excel\Shp格式)
arcgis·信息可视化·数据分析·excel
2501_944934731 天前
产品策划需要哪些数据分析能力?如何用数据验证需求优先级
信息可视化·数据挖掘·数据分析