【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
MoRanzhi12031 天前
15. Pandas 综合实战案例(零售数据分析)
数据结构·python·数据挖掘·数据分析·pandas·matplotlib·零售
qq_436962181 天前
数据民主化实践:ChatBI赋能全民数据分析
数据挖掘·数据分析
geneculture1 天前
融智学院十大学部知识架构示范样板
人工智能·数据挖掘·信息科学·哲学与科学统一性·信息融智学
Michelle80232 天前
23大数据 数据挖掘复习1
大数据·人工智能·数据挖掘
补三补四2 天前
GB级csv文件处理
数据分析
梦想画家2 天前
Cohen‘s Kappa系数:衡量分类一致性的黄金标准及其在NLP中的应用
自然语言处理·分类·数据挖掘
iceslime2 天前
头歌Educator机器学习与数据挖掘-逻辑回归
机器学习·数据挖掘·逻辑回归
RE-19012 天前
Excel基础知识 - 导图笔记
数据分析·学习笔记·excel·思维导图·基础知识·函数应用
eqwaak02 天前
数据预处理与可视化流水线:Pandas Profiling + Altair 实战指南
开发语言·python·信息可视化·数据挖掘·数据分析·pandas
Christo33 天前
关于K-means和FCM的凸性问题讨论
人工智能·算法·机器学习·数据挖掘·kmeans