【数据分析实战】(一)—— JOJO战力图

JOJO战力图

matplotlib作为一款可视化作图工具,在学习完一些简单的折线图、直方图等之后,学习雷达图的时候,我脑海里就浮现出了JOJO的替身战力图,这不就是典型的雷达图吗,接下来介绍如何使用matplotlib完成复刻jojo替身战力雷达图。

首先我们来观察一下原图长什么样子

图片中的标识用的是汉字和平假名/片假名等东方字符,默认的matplotlib不能正确显示这些字符,我们先修改字体为黑体宋体这种,此处选择黑体

PY 复制代码
plt.rcParams['font.sans-serif'] = 'SimHei'  

然后创建一个list用于存放这些维度标识符,方便后续在图中展示的时候直接读取

py 复制代码
dim =['メイド','破壊力', '成长性','精度動作性', '持続力','射程距離']

创建一个用于存放属性值的list,在matplotlib雷达图钟的属性值为0-100,白金之星的5A1C面板我们可以转换成值5个100和1个60

py 复制代码
val = [100,100,100,100,100,60]

设定雷达图的角度,即把一个圆分成几部分,此处直接利用维度的个数进行指定,endpoint=False让首尾衔接更自然

py 复制代码
angles = np.linspace(0, 2*np.pi, len(dim), endpoint=False)

将第一个数据点添加到最后一个,包括值和角度,让雷达图首尾相连

py 复制代码
val += val[:1]
angles = np.concatenate((angles, [angles[0]]))

创建雷达图

py 复制代码
# 雷达图
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))
ax.fill(angles, val, color='skyblue', alpha=0.5)

ax.set_thetagrids(angles[:-1] * 180/np.pi, dim)
# ax.set_yticklabels([])  # 隐藏半径刻度标签
new_ticks = [0, 20, 40 ,60,80,100]
ax.set_rticks(new_ticks) 
# 添加标题
plt.title('空条承太郎战力', size=20, y=1.1)

完整代码如下:

py 复制代码
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
# 让图片中可以显示中文
plt.rcParams['font.sans-serif'] = 'SimHei'   

dim =['メイド','破壊力', '成长性','精度動作性', '持続力','射程距離']

val = [100,100,100,100,100,60]

angles = np.linspace(0, 2*np.pi, len(dim), endpoint=False)

# 保证首尾相连
val += val[:1]
angles = np.concatenate((angles, [angles[0]]))

# 雷达图
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))
ax.fill(angles, val, color='skyblue', alpha=0.5)

ax.set_thetagrids(angles[:-1] * 180/np.pi, dim)
# ax.set_yticklabels([])  # 隐藏半径刻度标签
new_ticks = [0, 20, 40 ,60,80,100]
ax.set_rticks(new_ticks) 
# 添加标题
plt.title('空条承太郎战力', size=20, y=1.1)
plt.show()

【运行结果】

相关推荐
wxl7812271 小时前
如何使用本地大模型做数据分析
python·数据挖掘·数据分析·代码解释器
小尤笔记2 小时前
利用Python编写简单登录系统
开发语言·python·数据分析·python基础
FreedomLeo12 小时前
Python数据分析NumPy和pandas(四十、Python 中的建模库statsmodels 和 scikit-learn)
python·机器学习·数据分析·scikit-learn·statsmodels·numpy和pandas
浊酒南街3 小时前
Statsmodels之OLS回归
人工智能·数据挖掘·回归
穆友航4 小时前
PDF内容提取,MinerU使用
数据分析·pdf
EterNity_TiMe_6 小时前
【论文复现】神经网络的公式推导与代码实现
人工智能·python·深度学习·神经网络·数据分析·特征分析
思通数科多模态大模型7 小时前
10大核心应用场景,解锁AI检测系统的智能安全之道
人工智能·深度学习·安全·目标检测·计算机视觉·自然语言处理·数据挖掘
封步宇AIGC8 小时前
量化交易系统开发-实时行情自动化交易-4.2.3.指数移动平均线实现
人工智能·python·机器学习·数据挖掘
B站计算机毕业设计超人10 小时前
计算机毕业设计SparkStreaming+Kafka新能源汽车推荐系统 汽车数据分析可视化大屏 新能源汽车推荐系统 汽车爬虫 汽车大数据 机器学习
数据仓库·爬虫·python·数据分析·kafka·数据可视化·推荐算法