Matplotlib 雷达图函数
雷达图，也叫做 “极坐标图” 或 “蜘蛛网图”，它是一种用于表现多维（4 维以上）数据的图表（如下图）。对于雷达图来说，它起始于同一个圆心点，结束于最外围边缘。其中，每个坐标点代表一个指标。
在 Matplotlib 中，我们可以使用 polar() 函数来绘制一个雷达图。
语法：
plt.polar(theta, r)说明：
第 1 个参数 theta 表示数据点所在射线与极轴的夹角。需要注意的是，所有的角度都应该使用 “弧度” 为单位，例如 180° 就应该写成 np.pi，而 360° 就应该写成 np.pi * 2，以此类推。
在实际开发中，我们更推荐使用这种写法：度数 * np.pi / 180。这种写法可以让我们一眼就能看出角度是多少，例如下面这 2 个。
120 * np.pi / 180 # 120°
150 * np.pi / 180 # 150°第 2 个参数 r 是数据点到原点的距离，一般它对应实际的数据。
示例 1：画出一个点
import numpy as np
import matplotlib.pyplot as plt
# 绘图
plt.polar(45*np.pi/180, 40, marker='o', color='red')
# 刻度范围
plt.ylim(0, 100)
# 显示
plt.show()运行之后，效果如下图所示。
分析：
想要绘制一个雷达图，我们首先要学会如何在一个极坐标中绘制一个点出来。在这个例子中，plt.polar(45*np.pi/180, 40, marker='o', color='red') 表示绘制的点所处夹角为 45°，距离原点为 20，外观是一个实心圆，颜色为红色。
对于雷达图来说，我们一般都不会使用默认刻度，而需要使用 ylim() 函数来调整刻度范围。如果使用默认刻度，比如删除 plt.ylim(0, 100) 这一句代码，效果如下图所示，此时效果就不是很理想了。
示例 2：画出雷达图
import numpy as np
import matplotlib.pyplot as plt
# 绘图
theta = np.array([45, 135, 180, 270, 45]) * np.pi / 180
r = [20, 60, 40, 80, 20]
plt.polar(theta, r, marker='o', color='red')
# 刻度范围
plt.ylim(0, 100)
# 显示
plt.show()运行之后，效果如下图所示。
分析：
想要绘制一个雷达图，我们需要确定多个点的坐标，然后将所有点连接起来。由于雷达图是一个封闭图形，它的第一个点和最后一个点要求是相同的。所以 这里可以看到 theta 的第一个元素和最后一个元素是相同的，并且 r 的第一个元素和最后一个元素是相同的。
需要注意的是，np.pi 是一个浮点数，而列表是无法和一个浮点数进行相乘的。所以我们应该先使用 np.array()（这是一个 NumPy 函数）将列表转换为数组，然后再和浮点数进行相乘。
# 正确方式
theta = np.array([45, 135, 180, 270, 45]) * np.pi / 180
# 错误方式
theta = [45, 135, 180, 270, 45] * np.pi / 180此外需要说明的是，雷达图中每一个点的坐标是由 “角度” 和 “距离” 这两个来确定的。小伙伴们联想一下极坐标系中一个点是如何确定的就知道了。
Matplotlib 雷达图样式
在实际开发中，为了达到更好的用户体验，我们还需要对雷达图进行各种自定义，主要包括 2 个方面：① 刻度标签；② 填充颜色。
1. 刻度标签
有些情况下，雷达图默认的刻度标签并不能满足我们的开发需求。在 Matplotlib 中，我们可以使用 thetagrids() 函数来定义雷达图的刻度标签。
语法：
plt.thetagrids(angles, labels)说明：
angles 和 labels 都是列表。ticks 是必选参数，表示 “刻度所在的角度”。labels 是可选参数，表示 “标签值”。其中 labels 是与 angles 一一对应的。
示例 3：雷达图刻度标签
import numpy as np
import matplotlib.pyplot as plt
# 绘图
plt.polar(60*np.pi/180, 40, marker='o', color='red')
# 刻度范围
plt.ylim(0, 100)
# 刻度标签
angles = [0, 60, 120, 180, 240, 300]
plt.thetagrids(angles)
# 显示
plt.show()运行之后，效果如下图所示。
分析：
默认情况下，雷达图的刻度标签为：0°、45°、90°、135°、180°、225°、270°、315°。在这个例子中，我们将其刻度标签重新定义为：0°、60°、120°、180°、240°、300°。
示例 4：定义 labels
import numpy as np
import matplotlib.pyplot as plt
# 设置
plt.rcParams['font.family'] = ['SimHei', 'PingFang SC']
plt.rcParams['axes.unicode_minus'] = False
# 绘图
plt.polar(60*np.pi/180, 40, marker='o', color='red')
# 刻度范围
plt.ylim(0, 100)
# 刻度标签
angles = [0, 60, 120, 180, 240, 300]
labels = ['力量', '敏捷', '智力', '生命', '魔法', '耐力']
plt.thetagrids(angles, labels)
# 显示
plt.show()运行之后，效果如下图所示。
分析：
对于 plt.thetagrids(angles, labels) 函数来说，如果想要使用第 2 个参数，那么 angles 和 labels 这 2 个列表的元素个数必须相同，然后 labels 的元素会一一替换到 angles 的刻度上去。
2. 填充颜色
在 Matplotlib 中，我们可以使用 fill() 这个函数来对一个雷达图进行填充颜色。
语法：
plt.fill(theta, r, color, alpha)说明：
fill() 函数和 polar() 函数的前 2 个参数是一样的，theta 保存的是所有点的偏移角度，r 保存的是所有点离原点的距离。
参数 color 用于定义填充的颜色，参数 alpha 用于定义透明度（0.0 ~ 1.0）。
示例 5：填充颜色
import numpy as np
import matplotlib.pyplot as plt
# 绘图
theta = np.array([45, 135, 180, 270, 45]) * np.pi / 180
r = [20, 60, 40, 80, 20]
plt.polar(theta, r, marker='o', color='red')
# 刻度范围
plt.ylim(0, 100)
# 填充颜色
plt.fill(theta, r, color='red', alpha=0.5)
# 显示
plt.show()运行之后，效果如下图所示。
分析：
细心的小伙伴可能发现了，在上面的列表中，我们第一个点的数据是 (45, 20)，而列表最后的一个数据也是 (45, 20)。
这是因为，极坐标图默认只是把点用线连起来，如果不把第一个点的数据追加到列表的最后，画出来的图形将是“缺一个口子”的。为了让雷达图形成一个封闭的多边形（首尾相连），我们必须手动将第一个数据点复制一份放到列表的最后。
Matplotlib 雷达图案例
相信大多数小伙伴都玩过游戏，对于一个英雄来说，它主要的能力指标有 6 个：力量、敏捷、智力、生命、魔法、耐力。接下来，我们尝试使用雷达图来直观地展示一个英雄的能力是怎样的。
示例 6：Matplotlib 雷达图的应用
import numpy as np
import matplotlib.pyplot as plt
# 设置
plt.rcParams['font.family'] = ['SimHei', 'PingFang SC']
plt.rcParams['axes.unicode_minus'] = False
# 绘图
theta = np.array([0, 60, 120, 180, 240, 300, 0]) * np.pi / 180
r = [9, 6, 3, 9, 3, 8, 9]
plt.polar(theta, r, marker='o', color='red')
# 刻度范围
plt.ylim(0, 10)
# 刻度标签
angles = [0, 60, 120, 180, 240, 300]
labels = ['力量', '敏捷', '智力', '生命', '魔法', '耐力']
plt.thetagrids(angles, labels)
# 填充颜色
plt.fill(theta, r, color='red', alpha=0.5)
# 显示
plt.show()运行之后，效果如下图所示。
分析：
从雷达图可以很直观地看出来，这个英雄其实是一个典型的战士型英雄。相信很多小伙伴都知道 “国乒一哥” 马龙被日本媒体称之为 “六边形战士”，如果用雷达图来表示，应该是下图这样的。
