雷達(dá)圖是以從同一點開始的軸上表示的三個或更多個定量變量的二維圖表的形式顯示多變量數(shù)據(jù)的圖形方法,雷達(dá)圖通常用于綜合分析多個指標(biāo)，具有完整，清晰和直觀的優(yōu)點。

下面以實際例子給大家講解一下雷達(dá)圖的應(yīng)用場景和繪制方法：

這類雷達(dá)圖一般用于比較同類事物不同緯度性能的優(yōu)劣，以奧迪A4L時尚動感型和凱迪拉克CT4精英型為例，我們來畫一下這兩種汽車的雷達(dá)圖，代碼如下：

import pyecharts.options as optsfrom pyecharts.charts import Radarv1 = [[110, 9.7, 6.2, 56, 150, 1610]]v2 = [[174, 6.9, 6.8, 66, 237, 1540]]c=( Radar(init_opts=opts.InitOpts(bg_color='#3CB371')) #設(shè)置背景顏色 .add_schema(schema=[ opts.RadarIndicatorItem(name='最大功率率（KW）', max_=200), opts.RadarIndicatorItem(name='百米提速（秒）', max_=12), opts.RadarIndicatorItem(name='綜合油耗（L/100KM）', max_=20), opts.RadarIndicatorItem(name='油箱容積（L）', max_=100), opts.RadarIndicatorItem(name='馬力(Ps)', max_=300), opts.RadarIndicatorItem(name='整車質(zhì)量KG（）', max_=2000),],splitarea_opt=opts.SplitAreaOpts( is_show=True, areastyle_opts=opts.AreaStyleOpts(opacity=1) #是否顯示分隔區(qū)域，透明度設(shè)置為1),textstyle_opts=opts.TextStyleOpts(color='#fff'), ) .add(series_name='奧迪A4L時尚動感型',data=v1,linestyle_opts=opts.LineStyleOpts(color='#8B008B',width=2), #線的顏色、寬度 ) .add(series_name='凱迪拉克CT4精英型',data=v2,linestyle_opts=opts.LineStyleOpts(color='#FFA500',width=2), #線的顏色、寬度 ) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) #不顯示數(shù)字 .set_global_opts(title_opts=opts.TitleOpts(title='汽車性能比較'), legend_opts=opts.LegendOpts() ))c.render_notebook()

參數(shù)介紹：1.通過設(shè)置InitOpts的bg_color參數(shù)，可以改變背景顏色2.通過設(shè)置add_schema的schema參數(shù)，可以添加更多緯度變量3.通過設(shè)置LineStyleOpts的color參數(shù)，可以設(shè)置線的顏色和寬度

通過雷達(dá)圖，可以清晰的比較兩種汽車性能指標(biāo)的好壞，非常直觀

如果感覺兩臺車不過癮，我們可以再加1臺：

from pyecharts import options as optsfrom pyecharts.charts import Radarvalue_bj = [ [55, 9, 56, 0.46, 18, 6, 1], [25, 11, 21, 0.65, 34, 9, 2], [56, 7, 63, 0.3, 14, 5, 3], [33, 7, 29, 0.33, 16, 6, 4], [42, 24, 44, 0.76, 40, 16, 5], [82, 58, 90, 1.77, 68, 33, 6], [74, 49, 77, 1.46, 48, 27, 7], [78, 55, 80, 1.29, 59, 29, 8], [267, 216, 280, 4.8, 108, 64, 9], [185, 127, 216, 2.52, 61, 27, 10], [39, 19, 38, 0.57, 31, 15, 11], [41, 11, 40, 0.43, 21, 7, 12],]value_sh = [ [91, 45, 125, 0.82, 34, 23, 1], [65, 27, 78, 0.86, 45, 29, 2], [83, 60, 84, 1.09, 73, 27, 3], [109, 81, 121, 1.28, 68, 51, 4], [106, 77, 114, 1.07, 55, 51, 5], [109, 81, 121, 1.28, 68, 51, 6], [106, 77, 114, 1.07, 55, 51, 7], [89, 65, 78, 0.86, 51, 26, 8], [53, 33, 47, 0.64, 50, 17, 9], [80, 55, 80, 1.01, 75, 24, 10], [117, 81, 124, 1.03, 45, 24, 11], [99, 71, 142, 1.1, 62, 42, 12],]c_schema = [ {'name': 'AQI', 'max': 300, 'min': 5}, {'name': 'PM2.5', 'max': 250, 'min': 20}, {'name': 'PM10', 'max': 300, 'min': 5}, {'name': 'CO', 'max': 5}, {'name': 'NO2', 'max': 200}, {'name': 'SO2', 'max': 100},]c = ( Radar(init_opts=opts.InitOpts(bg_color='#8B658B')) .add_schema(schema=c_schema, shape='polygon') .add('北京', value_bj,color='#8B008B',linestyle_opts=opts.LineStyleOpts(width=2)) .add('上海', value_sh,color='#FF4500',linestyle_opts=opts.LineStyleOpts(width=2)) .set_series_opts(label_opts=opts.LabelOpts(is_show=False)) .set_global_opts(title_opts=opts.TitleOpts(title='一線城市空氣質(zhì)量比較')))c.render_notebook()

通過增加數(shù)據(jù)種類，可以比較同一緯度、不同時間下的差距，如上圖，通過展示北京、上海兩座城市12天的天氣情況，可以清晰的看出上海的天氣要比北京好。

以上就是如何用python繪制雷達(dá)圖的詳細(xì)內(nèi)容，更多關(guān)于python繪制雷達(dá)圖的資料請關(guān)注好吧啦網(wǎng)其它相關(guān)文章！