Python数据可视化：从零开始教你绘制精美雷达图

安装必要的库

我们需要安装两个核心的 Python 库：matplotlib 用于绘图，numpy 用于高效的数值计算：

bash 复制代码

pip install matplotlib numpy

绘制雷达图的核心逻辑

创建雷达图的过程可以清晰地分解为以下几步，理解了这些步骤，你就能自如地应对各种定制化需求：

数据准备：确定雷达图需要展示的几个维度（标签），以及每个对象在这些维度上的具体数值。
创建极坐标画布 ：雷达图并非画在常规的直角坐标系上，而是画在一个圆形布局的极坐标系 (Polar Coordinates) 上。
计算角度：根据维度的数量，将 360 度的圆进行等分，确定每个维度轴线所在的角度。
闭合图形：为了让雷达图形成一个封闭的多边形，我们需要在数据和角度列表的末尾，额外补充上第一个点的数据和角度。
绘图与美化：在坐标系上绘制数据点连线、填充颜色、添加网格、标签、图例和标题，使图表变得完整且易于解读。

示例代码

现在，让我们用具体的代码来实现一个"篮球运动员能力对比"的雷达图。

python 复制代码

import numpy as np
import matplotlib.pyplot as plt

def create_table_tennis_radar_chart():
    """
    创建一个专门用于展示乒乓球运动员六维能力数据的雷达图。
    """
    # 解决中文显示问题
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False

    # 1. 定义六个维度的标签
    labels = np.array(['力量', '速度', '技巧', '防守', '发球', '经验'])
    n_labels = len(labels)

    # 2. 准备运动员的数据 (这里是假设的示例数据)
    # "六边形战士"的数据，各项能力非常均衡且顶尖
    hex_warrior_stats = [98, 95, 99, 92, 96, 100]
    # "进攻型选手"的数据，力量和速度突出，防守相对是短板
    attacker_stats = [100, 98, 85, 75, 90, 80]

    # 3. 计算角度 (360度/6)
    angles = np.linspace(0, 2 * np.pi, n_labels, endpoint=False)

    # 4. 闭合图形数据
    hex_warrior_stats_closed = np.concatenate((hex_warrior_stats, [hex_warrior_stats[0]]))
    attacker_stats_closed = np.concatenate((attacker_stats, [attacker_stats[0]]))
    angles_closed = np.concatenate((angles, [angles[0]]))

    # 5. 绘图
    fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))

    # 设置坐标轴范围
    ax.set_ylim(0, 105)

    # 绘制"六边形战士"
    ax.plot(angles_closed, hex_warrior_stats_closed, 'o-', color='gold', linewidth=2, label='"六边形战士"')
    ax.fill(angles_closed, hex_warrior_stats_closed, 'gold', alpha=0.25)

    # 绘制"进攻型选手"
    ax.plot(angles_closed, attacker_stats_closed, 'o-', color='red', linewidth=2, label='进攻型选手')
    ax.fill(angles_closed, attacker_stats_closed, 'red', alpha=0.25)

    # 6. 美化图表
    # 设置维度标签
    ax.set_thetagrids(angles * 180 / np.pi, labels, fontsize=14)

    # 设置半径刻度标签
    ax.set_rlabel_position(0)
    ax.set_yticklabels(['', '20', '40', '60', '80', '100'], color="grey", size=10)

    # 添加标题和图例
    plt.title('乒乓球运动员能力对比雷达图', size=22, color='black', y=1.1)
    plt.legend(loc='best', bbox_to_anchor=(1.1, 1.1), fontsize=12)

    # 显示网格
    ax.grid(True, linestyle='--', linewidth=0.5, color='gray')
    
    # 显示图表
    plt.show()

# --- 主程序入口 ---
if __name__ == "__main__":
    create_table_tennis_radar_chart()

解析：

plt.rcParams 设置 ：这两行是为了确保 Matplotlib 可以正确显示中文字符。如果你不设置，图表中的中文可能会显示为方框。你需要确保你的系统中有 SimHei (黑体) 或其他中文字体。
np.linspace(0, 2 * np.pi, n_labels, endpoint=False) ：这是创建角度数组的核心。它在 0 到 360 度（2*np.pi）之间，生成 n_labels 个等分的角度值。endpoint=False参数是关键，它避免了 360 度和 0 度重合。
np.concatenate()：这个 NumPy 函数用于连接数组。我们用它将第一个数据点和第一个角度值拼接到数组的末尾，从而实现图形的闭合。
subplot_kw=dict(polar=True) ：在创建子图（ax）时，这个参数告诉 Matplotlib："我想要的不是普通的直角坐标系，而是一个极坐标系"。
ax.plot() 和 ax.fill() ：plot 负责画出数据的轮廓线，而 fill 则为这个轮廓区域填充上带有一定透明度（alpha）的颜色，使得重叠区域也能清晰可见。
ax.set_thetagrids() ：这个函数专门用于在极坐标上设置角度网格线（也就是我们的维度轴）的位置和显示的标签。它需要将弧度制的 angles 转换为角度制 (angles * 180 / np.pi)。

效果

结语

点个赞，关注我获取更多实用 Python 技术干货！如果觉得有用，记得收藏本文！