Python中如何使用matplotlib制作雷達圖進行對比分析

# Python中如何使用matplotlib制作雷達圖進行對比分析

## 一、雷達圖簡介與適用場景

### 1.1 什么是雷達圖
雷達圖（Radar Chart），又稱蜘蛛網圖（Spider Chart）或星狀圖（Star Plot），是一種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形式。它由多個等角度分布的軸組成，每個軸代表一個變量，數據點通過折線連接形成多邊形。

### 1.2 雷達圖的優勢特點
- **多維度對比**：可同時展示5-8個維度的數據對比
- **直觀性強**：通過形狀面積和頂點位置快速識別數據特征
- **異常檢測**：明顯凸起或凹陷可直觀反映指標異常
- **整體評估**：適合展示綜合能力或性能的平衡性

### 1.3 典型應用場景
1. 員工能力評估（技術能力、溝通能力等多維度）
2. 產品特性對比（不同產品的性能參數比較）
3. 游戲角色屬性分析（力量、敏捷、智力等屬性）
4. 企業競爭力評估（財務、客戶、運營等多維度）

## 二、Matplotlib基礎與雷達圖繪制原理

### 2.1 Matplotlib簡介
Matplotlib是Python最著名的2D繪圖庫，提供類似MATLAB的繪圖框架，支持多種圖形輸出格式和交互式環境。

安裝命令：
```python
pip install matplotlib numpy

2.2 極坐標系原理

雷達圖本質上是繪制在極坐標系（Polar Coordinates）中的折線圖： - 角度軸：表示不同的維度/指標 - 徑向軸：表示指標數值大小 - 多邊形：連接各維度數據點形成

2.3 基本繪制流程

1. 創建極坐標子圖
2. 設置角度分割和標簽
3. 準備多維數據
4. 繪制填充多邊形
5. 添加圖例和標題

三、基礎雷達圖實現

3.1 單組數據雷達圖

import numpy as np
import matplotlib.pyplot as plt

# 準備數據
categories = ['速度', '力量', '耐力', '敏捷', '智力']
values = [4, 3, 5, 2, 4]
N = len(categories)

# 計算角度
angles = np.linspace(0, 2*np.pi, N, endpoint=False).tolist()
values += values[:1]  # 閉合圖形
angles += angles[:1]

# 創建極坐標圖
fig, ax = plt.subplots(figsize=(6,6), subplot_kw=dict(polar=True))

# 繪制填充區域
ax.fill(angles, values, 'b', alpha=0.2)

# 繪制數據線
ax.plot(angles, values, 'bo-', linewidth=2)

# 設置刻度標簽
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)

# 設置徑向刻度
ax.set_rlabel_position(30)
plt.yticks([1,2,3,4,5], ["1","2","3","4","5"], color="grey", size=7)
ax.set_ylim(0,5)

plt.title('基礎雷達圖示例', size=15, y=1.1)
plt.show()

3.2 代碼解析

1. np.linspace：將圓周等分為N份
2. subplot_kw=dict(polar=True)：創建極坐標子圖
3. fill()方法：填充多邊形區域
4. set_xticks()：設置維度標簽位置
5. set_rlabel_position()：設置徑向標簽位置

四、多組數據對比雷達圖

4.1 兩組數據對比實現

# 準備對比數據
player1 = [4, 3, 5, 2, 4]
player2 = [3, 4, 2, 5, 3]
N = len(categories)

angles = np.linspace(0, 2*np.pi, N, endpoint=False).tolist()
player1 += player1[:1]
player2 += player2[:1]
angles += angles[:1]

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

# 繪制兩組數據
ax.plot(angles, player1, 'bo-', linewidth=2, label='選手A')
ax.fill(angles, player1, 'b', alpha=0.2)
ax.plot(angles, player2, 'ro-', linewidth=2, label='選手B')
ax.fill(angles, player2, 'r', alpha=0.2)

# 設置標簽和樣式
ax.set_xticks(angles[:-1])
ax.set_xticklabels(categories)
ax.set_rlabel_position(0)
plt.yticks([1,2,3,4,5], ["1","2","3","4","5"], color="grey", size=7)
ax.set_ylim(0,5)
plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))

plt.title('選手能力對比雷達圖', size=15, y=1.1)
plt.show()

4.2 三組及以上數據對比

# 準備三組數據
data = {
    '產品A': [8, 6, 7, 5, 9, 6],
    '產品B': [5, 9, 6, 8, 4, 7],
    '產品C': [7, 5, 8, 6, 7, 8]
}
categories = list(data.keys())
labels = ['設計', '性能', '續航', '價格', '服務', '生態']

# 創建畫布
fig = plt.figure(figsize=(10,8))
ax = fig.add_subplot(111, polar=True)

# 計算角度
angles = np.linspace(0, 2*np.pi, len(labels), endpoint=False).tolist()

# 繪制每組數據
for name, values in data.items():
    values += values[:1]
    _angles = angles + angles[:1]
    ax.plot(_angles, values, 'o-', linewidth=2, label=name)
    ax.fill(_angles, values, alpha=0.1)

# 設置標簽
ax.set_xticks(angles)
ax.set_xticklabels(labels)
ax.set_rlabel_position(30)
plt.yticks(np.arange(1,10), [str(i) for i in range(1,10)])
ax.set_ylim(0,10)

plt.title('三款產品對比雷達圖', size=15, y=1.1)
plt.legend(loc='upper right', bbox_to_anchor=(1.3, 1.1))
plt.show()

五、高級定制技巧

5.1 樣式美化技巧

# 自定義顏色和樣式
colors = ['#1f77b4', '#ff7f0e', '#2ca02c']
line_styles = ['-', '--', ':']

for idx, (name, values) in enumerate(data.items()):
    values += values[:1]
    ax.plot(angles + angles[:1], values, 
            color=colors[idx],
            linestyle=line_styles[idx],
            linewidth=2,
            marker='o',
            markersize=6,
            label=name)
    
# 設置網格樣式
ax.xaxis.grid(True, color='grey', linestyle='-', linewidth=0.5)
ax.yaxis.grid(True, color='grey', linestyle='--', linewidth=0.5)

# 設置背景
ax.set_facecolor('#f5f5f5')

5.2 添加數據標簽

# 在頂點添加數值標簽
for angle, value, label in zip(angles, values[:-1], labels):
    ax.text(angle, value+0.5, str(value), 
           ha='center', va='center',
           fontsize=10, fontweight='bold')

5.3 不等距徑向刻度

# 自定義徑向刻度
custom_ticks = [0, 3, 6, 9]
ax.set_yticks(custom_ticks)
ax.set_yticklabels([f'Level {i}' for i in custom_ticks], fontsize=8)

六、實際應用案例

6.1 員工能力評估系統

employees = {
    '張三': {'技術':8, '溝通':6, '創新':7, '執行力':9, '學習':8},
    '李四': {'技術':6, '溝通':9, '創新':5, '執行力':7, '學習':6},
    '王五': {'技術':9, '溝通':5, '創新':8, '執行力':6, '學習':9}
}

# 轉換為適合雷達圖的數據格式
categories = list(employees['張三'].keys())
values = {name: list(emp.values()) for name, emp in employees.items()}

# 繪制代碼...

6.2 產品競品分析

products = {
    'iPhone 15': {'性能':9, '相機':9, '續航':7, '屏幕':9, '生態':9, '價格':5},
    'Galaxy S23': {'性能':8, '相機':8, '續航':8, '屏幕':9, '生態':7, '價格':6},
    'Pixel 8': {'性能':7, '相機':9, '續航':6, '屏幕':8, '生態':6, '價格':7}
}

# 分析代碼...

七、常見問題與解決方案

7.1 維度過多問題

• 問題：當維度超過8個時，圖表會變得擁擠難讀
• 解決方案：
  1. 合并相關維度
  2. 分組展示（如分多個雷達圖）
  3. 使用平行坐標圖替代

7.2 數據標準化

• 問題：不同維度量綱不一致導致圖形變形
• 解決方案：

from sklearn.preprocessing import MinMaxScaler

scaler = MinMaxScaler(feature_range=(0, 10))
scaled_values = scaler.fit_transform(np.array(values).reshape(-1,1))

7.3 標簽重疊處理

# 調整標簽位置
for label, angle in zip(ax.get_xticklabels(), angles):
    if angle in [0, np.pi]:
        label.set_horizontalalignment('center')
    elif 0 < angle < np.pi:
        label.set_horizontalalignment('left')
    else:
        label.set_horizontalalignment('right')

八、總結與擴展

8.1 雷達圖使用建議

1. 維度數量控制在5-8個為佳
2. 對比組別不超過4組
3. 重要維度放在12點鐘方向
4. 配合表格數據增強可讀性

8.2 替代方案

• 平行坐標圖：適合更多維度的數據
• 條形圖：簡單直觀的對比
• 雷達圖矩陣：多維數據分組展示

8.3 擴展學習

1. 使用Plotly實現交互式雷達圖
2. 結合Pandas進行數據分析
3. 應用Seaborn的樣式系統

通過本文的詳細講解，相信您已經掌握了使用Matplotlib繪制雷達圖進行多維度對比分析的完整方法。在實際應用中，建議根據具體場景選擇合適的可視化方案，并不斷優化圖表以提高信息傳達效率。 “`