資訊專欄INFORMATION COLUMN
小編寫這篇文章的主要方法，就是介紹關(guān)于Python pyecharts的一些相關(guān)技巧，包括教給大家怎么去使用Python pyecharts繪制雷達(dá)圖。其實，說起來還是挺麻煩的，那么，我們要怎么去繪制雷達(dá)圖呢？有沒有什么比較好用的方法呢？下面給大家詳細(xì)解答下。
雷達(dá)圖
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。軸的相對位置和角度通常是無信息的。雷達(dá)圖也稱為網(wǎng)絡(luò)圖，蜘蛛圖，星圖，蜘蛛網(wǎng)圖，不規(guī)則多邊形，極坐標(biāo)圖或Kiviat圖。它相當(dāng)于平行坐標(biāo)圖，軸徑向排列。
平行坐標(biāo)圖：
平行坐標(biāo)圖是一種通常的可視化方法，用于對高維幾何和多元數(shù)據(jù)的可視化。
為了表示在高維空間的一個點集，在N條平行的線的背景下，（一般這N條線都豎直且等距），一個在高維空間的點被表示為一條拐點在N條平行坐標(biāo)軸的折線，在第K個坐標(biāo)軸上的位置就表示這個點在第K個維的值。
平行坐標(biāo)圖是信息可視化的一種重要技術(shù)。為了克服傳統(tǒng)的笛卡爾直角坐標(biāo)系容易耗盡空間、難以表達(dá)三維以上數(shù)據(jù)的問題，平行坐標(biāo)圖將高維數(shù)據(jù)的各個變量用一系列相互平行的坐標(biāo)軸表示，變量值對應(yīng)軸上位置。為了反映變化趨勢和各個變量間相互關(guān)系，往往將描述不同變量的各點連接成折線。所以平行坐標(biāo)圖的實質(zhì)是將m維歐式空間的一個點Xi(xi1,xi2,...,xim)映射到二維平面上的一條曲線。
平行坐標(biāo)圖的一個顯著優(yōu)點是其具有良好的數(shù)學(xué)基礎(chǔ)，其射影幾何解釋和對偶特性使它很適合用于可視化數(shù)據(jù)分析。
雷達(dá)圖主要應(yīng)用于企業(yè)經(jīng)營狀況——href="https://baike.baidu.com/item/%E6%94%B6%E7%9B%8A"rel="nofollow"target="_blank">收益性、生產(chǎn)性、流動性、安全性和成長性的評價。上述指標(biāo)的分布組合在一起非常象雷達(dá)的形狀，因此而得名。
雷達(dá)圖模板系列
基礎(chǔ)雷達(dá)圖
import pyecharts.options as opts
from pyecharts.charts import Radar
v1=[[4300,10000,28000,35000,50000,19000]]
v2=[[5000,14000,28000,31000,42000,21000]]
(
Radar(init_opts=opts.InitOpts(width="1280px",height="720px",bg_color="#CCCCCC"))
.add_schema(
schema=[
opts.RadarIndicatorItem(name="銷售（sales）",max_=6500),
opts.RadarIndicatorItem(name="管理（Administration）",max_=16000),
opts.RadarIndicatorItem(name="信息技術(shù)（Information Technology）",max_=30000),
opts.RadarIndicatorItem(name="客服（Customer Support）",max_=38000),
opts.RadarIndicatorItem(name="研發(fā)（Development）",max_=52000),
opts.RadarIndicatorItem(name="市場（Marketing）",max_=25000),
],
splitarea_opt=opts.SplitAreaOpts(
is_show=True,areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
textstyle_opts=opts.TextStyleOpts(color="#fff"),
)
.add(
series_name="預(yù)算分配（Allocated Budget）",
data=v1,
linestyle_opts=opts.LineStyleOpts(color="#CD0000"),
)
.add(
series_name="實際開銷（Actual Spending）",
data=v2,
linestyle_opts=opts.LineStyleOpts(color="#5CACEE"),
)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
title_opts=opts.TitleOpts(title="基礎(chǔ)雷達(dá)圖"),legend_opts=opts.LegendOpts()
)
.render("基礎(chǔ)雷達(dá)圖.html")
)
單例雷達(dá)圖
from pyecharts import options as opts
from pyecharts.charts import Radar
v1=[[4300,10000,28000,35000,50000,19000]]
v2=[[5000,14000,28000,31000,42000,21000]]
c=(
Radar()
.add_schema(
schema=[
opts.RadarIndicatorItem(name="銷售",max_=6500),
opts.RadarIndicatorItem(name="管理",max_=16000),
opts.RadarIndicatorItem(name="信息技術(shù)",max_=30000),
opts.RadarIndicatorItem(name="客服",max_=38000),
opts.RadarIndicatorItem(name="研發(fā)",max_=52000),
opts.RadarIndicatorItem(name="市場",max_=25000),
]
)
.add("預(yù)算分配",v1)
.add("實際開銷",v2)
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(
legend_opts=opts.LegendOpts(selected_mode="single"),
title_opts=opts.TitleOpts(title="標(biāo)題"),
)
.render("一維雷達(dá)圖.html")
)
空氣質(zhì)量模板
from pyecharts import options as opts
from pyecharts.charts import Radar
value_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()
.add_schema(schema=c_schema,shape="circle")
.add("北京",value_bj,color="#f9713c")
.add("上海",value_sh,color="#b3e4a1")
.set_series_opts(label_opts=opts.LabelOpts(is_show=False))
.set_global_opts(title_opts=opts.TitleOpts(title="空氣質(zhì)量"))
.render("空氣質(zhì)量.html")
) 
顏色雷達(dá)圖
線條顏色可以配置：
from pyecharts import options as opts
from pyecharts.charts import Radar
data=[{"value":[4,-4,2,3,0,1],"name":"預(yù)算分配"}]
c_schema=[
{"name":"銷售","max":4,"min":-4},
{"name":"管理","max":4,"min":-4},
{"name":"技術(shù)","max":4,"min":-4},
{"name":"客服","max":4,"min":-4},
{"name":"研發(fā)","max":4,"min":-4},
{"name":"市場","max":4,"min":-4},
]
c=(
Radar()
.set_colors(["#4587E7"])
.add_schema(
schema=c_schema,
shape="circle",
center=["50%","50%"],
radius="80%",
angleaxis_opts=opts.AngleAxisOpts(
min_=0,
max_=360,
is_clockwise=False,
interval=5,
axistick_opts=opts.AxisTickOpts(is_show=False),
axislabel_opts=opts.LabelOpts(is_show=False),
axisline_opts=opts.AxisLineOpts(is_show=False),
splitline_opts=opts.SplitLineOpts(is_show=False),
),
radiusaxis_opts=opts.RadiusAxisOpts(
min_=-4,
max_=4,
interval=2,
splitarea_opts=opts.SplitAreaOpts(
is_show=True,areastyle_opts=opts.AreaStyleOpts(opacity=1)
),
),
polar_opts=opts.PolarOpts(),
splitarea_opt=opts.SplitAreaOpts(is_show=False),
splitline_opt=opts.SplitLineOpts(is_show=False),
)
.add(
series_name="預(yù)算",
data=data,
areastyle_opts=opts.AreaStyleOpts(opacity=0.2),
linestyle_opts=opts.LineStyleOpts(width=2),
)
.render("顏色雷達(dá)圖.html")
)綜上所述，這篇文章就給大家介紹到這里了，希望可以給大家?guī)韼椭?/p>
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/128295.html
小編寫這篇文章的主要目的，主要是來給大家去做出一個相關(guān)性的介紹，介紹的內(nèi)容主要還是涉及到Python pyecharts，主要是利用Python pyecharts去繪制漏斗，那么，具體要怎么繪制呢？下面給大家詳細(xì)解答下?！ ÷┒穲D 漏斗圖是由Light等在1984年提出，一般以單個研究的效應(yīng)量為橫坐標(biāo)，樣本含量為縱坐標(biāo)做的散點圖。效應(yīng)量可以為RR、OR和死亡比或者其對數(shù)值等。理論上講，被納...
小編寫這篇文章的主要目的，主要是給大家去做一個詳細(xì)解答，介紹的內(nèi)容是關(guān)于Python pyecharts的一些詳細(xì)內(nèi)容，給大家講解關(guān)于如何繪制水球圖等相關(guān)事宜，具體的內(nèi)容，下面給大家詳細(xì)解答?！ ∷驁D 水球圖首先是動態(tài)的效果，像水流一樣波動，所以看起來比較的舒服，一般用于業(yè)務(wù)里面的完成率，其實和之前的儀表盤有點類似，但是我個人絕對水球圖更加的好，因為看起來比較的炫酷?！ rompyech...
小編寫這篇文章的主要目的，主要是給大家去做一個解答，解答的內(nèi)容主要是關(guān)于Python pyecharts的一些案例，包括如何使用它去進(jìn)行繪制一個相關(guān)的散點圖，怎么能夠快速的去進(jìn)行繪制。就具體的內(nèi)容，下面就給大家詳細(xì)解答下?！ ∈裁词巧Ⅻc圖？ 散點圖是指在數(shù)理統(tǒng)計回歸分析中，數(shù)據(jù)點在直角坐標(biāo)系平面上的分布圖，散點圖表示因變量隨自變量而變化的大致趨勢，由此趨勢可以選擇合適的函數(shù)進(jìn)行經(jīng)驗分布的擬合...
小編寫這篇文章的一個主要目的，繼續(xù)為大家介紹關(guān)于Python相關(guān)事宜，介紹的內(nèi)容主要是教我們?nèi)绾稳ダL制餅狀圖，具體怎么去做呢？下面就給大家詳細(xì)的解答下?！ 「拍睢 ★瀳D（pie chart）是用圓形及圓內(nèi)扇形的角度來表示數(shù)值大小的圖形，它主要用于表示一個樣本（或總體）中各組成部分的數(shù)據(jù)占全部數(shù)據(jù)的比例。僅排列在工作表的一列或一行中的數(shù)據(jù)可以繪制到餅圖中。餅圖顯示一個數(shù)據(jù)系列（數(shù)據(jù)系列：在圖表中...
python使用場景還是很多的，特別是在實現(xiàn)自動化的辦公階段，python的用處是比較的大的，那么，今天又有一個比較新奇的想法，如何使用python中的pyecharts去畫一個中國地圖呢？下面給各位讀者做一個詳細(xì)介紹?！ ≡谶@一個月的時間里，利用網(wǎng)絡(luò)爬蟲爬取了杭州所有二手房的一個數(shù)據(jù)，在作圖的時候發(fā)現(xiàn)在地圖呈現(xiàn)上還是有欠缺，這里就把用到的貼出來，提升一下記憶?！ ≈坝薪佑|用Basemap繪...
閱讀 923·2023-01-14 11:38
閱讀 895·2023-01-14 11:04
閱讀 756·2023-01-14 10:48
閱讀 2055·2023-01-14 10:34
閱讀 961·2023-01-14 10:24
閱讀 840·2023-01-14 10:18
閱讀 510·2023-01-14 10:09
閱讀 588·2023-01-14 10:02
