【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
IT毕设梦工厂2 天前
大数据毕业设计选题推荐-基于大数据的客户购物订单数据分析与可视化系统-Hadoop-Spark-数据可视化-BigData
大数据·hadoop·数据分析·spark·毕业设计·源码·bigdata
大数据CLUB2 天前
基于spark的澳洲光伏发电站选址预测
大数据·hadoop·分布式·数据分析·spark·数据开发
智数研析社2 天前
9120 部 TMDb 高分电影数据集 | 7 列全维度指标 (评分 / 热度 / 剧情)+API 权威源 | 电影趋势分析 / 推荐系统 / NLP 建模用
大数据·人工智能·python·深度学习·数据分析·数据集·数据清洗
qingyunliushuiyu2 天前
BI数据可视化:驱动数据价值释放的关键引擎
数据挖掘·数据分析·数据分析系统·数据分析平台·bi数据可视化
折翼的恶魔2 天前
数据分析:排序
python·数据分析·pandas
HenrySmale2 天前
05 回归问题和分类问题
分类·数据挖掘·回归
数据牧羊人的成长笔记2 天前
数据分析需要掌握的数学知识(易理解)
数学建模·数据分析
victory04312 天前
wav2vec微调进行疾病语音分类任务
人工智能·分类·数据挖掘
折翼的恶魔2 天前
数据分析:合并二
python·数据分析·pandas