使用Matplotlib绘制南丁格尔玫瑰图 |
您所在的位置：网站首页 › 3dmax玫瑰花的材质参数是什么 › 使用Matplotlib绘制南丁格尔玫瑰图 |
使用Matplotlib绘制南丁格尔玫瑰图
|
前言
在前文中，我们介绍了使用pyecharts绘制南丁格尔玫瑰图，本章我们再学习一下使用matplotlib绘制南丁格尔玫瑰图，了解在极坐标系中绘制柱状图。并对比一下两种不同的绘制方法，如何实现？ 介绍玫瑰图是弗罗伦斯·南丁格尔所发明的。又名为极坐标面积图，是一种圆形的直方图。 南丁格尔自己常昵称这类图为鸡冠花图(coxcomb)，适用于绘制比较、随时间变化的循环现象。和传统的饼图展示形式单一相比，南丁格尔玫瑰图更加绚丽，给人的感觉更直观、深刻，因此，南丁格尔玫瑰图在数据可视化领域的应用十分广泛。 MatplotlibMatplotlib 是 Python 的绘图库，它能让使用者很轻松地将数据图形化，并且提供多样化的输出格式。是一个非常强大的 Python 画图工具，我们可以使用该工具将很多数据通过图表的形式更直观的呈现出来。可以用来绘制各种静态，动态，交互式的图表，线图、散点图、等高线图、条形图、柱状图、3D 图形、甚至是图形动画等等。 安装matplotlib库： pip install matplotlib 准备数据以水果为例，生成一组数据。 # coding=utf-8 import pandas as pd import matplotlib.pyplot as plt import numpy as np fruits = {'香蕉': 115, '梨': 79, '椰子': 241, '柿子': 74, '鲜枣': 125, '榴莲': 147, '石榴': 72, '菠萝蜜': 105, '牛油果': 143, '山楂': 102} s_fruits = pd.Series(fruits) print(s_fruits) 香蕉 115 梨 79 椰子 241 柿子 74 鲜枣 125 榴莲 147 石榴 72 菠萝蜜 105 牛油果 143 山楂 102 dtype: int64 源码实现将上面的数据拆分成为一维数组。 labels = [] nums = [] for x,y in [list(z) for z in zip([fruit for fruit in s_fruits.index], s_fruits)]: labels.append(x) nums.append(y) labels ['香蕉', '梨', '椰子', '柿子', '鲜枣', '榴莲', '石榴', '菠萝蜜', '牛油果', '山楂']绘制玫瑰图所需要的参数，柱子数量、每个柱子的宽度和角度。 size= len(nums) # 柱子的数量 width = 2 * np.pi / size # 每个柱子的宽度 rad = np.cumsum([width] * size) # 每个柱子的角度配置每一个柱子的颜色。 # 转化为小数的rgb色列表 colors = [ (0.68359375, 0.02734375, 0.3203125), (0.78125, 0.05078125, 0.2578125), (0.875, 0.0390625, 0.1796875), (0.81640625, 0.06640625, 0.0625), (0.8515625, 0.1484375, 0.08203125), (0.90625, 0.203125, 0.13671875), (0.89453125, 0.2890625, 0.0703125), (0.84375, 0.2421875, 0.03125), (0.9140625, 0.26953125, 0.05078125), (0.85546875, 0.31640625, 0.125) ]绘制玫瑰图 text使用参数，请参考：matplotlib.axes.Axes.text() plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文显示 plt.figure(figsize=(12, 12),dpi=300,) # 创建画布 ax = plt.subplot(projection='polar') ax.set_ylim(-8, np.ceil(max(nums) + 1)) # 中间空白,-8为空白半径大小，可自行调整 ax.set_theta_zero_location('N',-5.0) # 设置极坐标的起点方向 W,N,E,S, -5.0为偏离数值，可自行调整 ax.set_theta_direction(1) # 1为逆时针，-1为顺时针 ax.grid(False) # 不显示极轴 ax.spines['polar'].set_visible(False) # 不显示极坐标最外的圆形 ax.set_yticks([]) # 不显示坐标间隔 ax.set_thetagrids([]) # 不显示极轴坐标 ax.bar(rad, nums, width=width, color=colors, alpha=1) # 画图 # 设置text for i in np.arange(len(nums)): ax.text(rad[i], # 角度 nums[i]-20, # 长度 labels[i]+'\n'+str(nums[i]), # 文本 rotation=rad[i] * 180 / np.pi -5, # 文字角度 rotation_mode='anchor', # 对齐文本，可选参数['default','anchor'] alpha=0.8,#透明度 fontstyle='normal',# 设置字体类型，可选参数[ ‘normal’ | ‘italic’ | ‘oblique’ ]，italic斜体，oblique倾斜 fontweight='medium', # 设置字体粗细，可选参数 [‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’] color='white', # 设置字体颜色 size=nums[i]/8, # 设置字体大小 ha="center", # 'left','right','center' va="top", # 'top', 'bottom', 'center', 'baseline', 'center_baseline' ) plt.show()效果图
通过对nums数组进行排序，可美化玫瑰图，如下： # 对数组进行排序操作 nums.sort() plt.rcParams['font.sans-serif'] = ['SimHei'] # 中文显示 plt.figure(figsize=(12, 12),dpi=300,) # 创建画布 ax = plt.subplot(projection='polar') ax.set_ylim(-2, np.ceil(max(nums) + 1)) # 中间空白,-2为空白半径大小，可自行调整 ax.set_theta_zero_location('N',-5.0) # 设置极坐标的起点方向 W,N,E,S, -5.0为偏离数值，可自行调整 ax.set_theta_direction(1) # 1为逆时针，-1为顺时针 ax.grid(False) # 不显示极轴 ax.spines['polar'].set_visible(False) # 不显示极坐标最外的圆形 ax.set_yticks([]) # 不显示坐标间隔 ax.set_thetagrids([]) # 不显示极轴坐标 ax.bar(rad, nums, width=width, color=colors, alpha=1) # 画图 # 设置text for i in np.arange(len(nums)): ax.text(rad[i], # 角度 nums[i]-2, # 长度,-2为文字偏离顶部距离 labels[i]+'\n'+str(nums[i]), # 文本 rotation=rad[i] * 180 / np.pi -5, # 文字角度 rotation_mode='anchor', # 对齐文本，可选参数['default','anchor'] alpha=0.8,#透明度 fontstyle='normal',# 设置字体类型，可选参数[ ‘normal’ | ‘italic’ | ‘oblique’ ]，italic斜体，oblique倾斜 fontweight='medium', # 设置字体粗细，可选参数 [‘light’, ‘normal’, ‘medium’, ‘semibold’, ‘bold’, ‘heavy’, ‘black’] color='white', # 设置字体颜色 size=nums[i]/0.8, # 设置字体大小 ha="center", # 'left','right','center' va="top", # 'top', 'bottom', 'center', 'baseline', 'center_baseline' ) plt.show()效果图
|
【本文地址】
今日新闻 |
推荐新闻 |