Python数据分析--雷达图

type	郑州	焦作
CO	1.026010613	1.213508772
NO2	48.34346358	39.14192377
O3	69.27411963	72.05813249
PM10	118.915409	126.1797168
PM2.5	65.44621322	68.32829138
SO2	14.74927641	17.02480339

# 导入所需的库
import numpy as np
import pandas as pd
import matplotlib as mpl
import matplotlib.pyplot as plt
import matplotlib.image as image

# 正常显示中文标签
mpl.rcParams['font.sans-serif'] = ['SimHei']

# 自动适应布局
mpl.rcParams.update({'figure.autolayout': True})

# 正常显示负号
mpl.rcParams['axes.unicode_minus'] = False

# 禁用科学计数法
pd.set_option('display.float_format', lambda x: '%.2f' % x) 

# 定义颜色，主色：蓝色，辅助色：灰色，互补色：橙色
c = {'蓝色':'#00589F', '深蓝色':'#003867', '浅蓝色':'#5D9BCF',
     '灰色':'#999999', '深灰色':'#666666', '浅灰色':'#CCCCCC',
     '橙色':'#F68F00', '深橙色':'#A05D00', '浅橙色':'#FBC171'}

# 数据源路径
filepath='./data/aqi.xlsx'

# 读取 Excel文件
df = pd.read_excel(filepath)

dictRange={
   
    'SO2':[0,150,500,650,800],
   
    'NO2':[0,100,200,700,1200,2340,3090,3840],
    'PM10':[0,50,150,250,350,420,500,600],

    'CO':[0,5,10,35,60,90,120,150],
    'O3':[0,160,200,300,400,800,1000,1200],
 
    'PM2.5':[0,35,75,115,150,250,350,500],
   }

label = df.iloc[:,0].values
def rank(x):
    series=pd.Series(dictRange[x[0]])
    print(series)
    return series.searchsorted(x[1:])

data=df.apply(rank,1,result_type='expand').values

# 提取画图所需的数据
data0 = data[:, 0]
data1 = data[:, 1]

   
# data 有几个数据，就把整圆 360° 分成几份
angle = np.linspace(0, 2*np.pi, len(data0), endpoint=False)

# 增加第一个 angle 到所有 angle 里，以实现闭合
angles = np.concatenate((angle, [angle[0]]))

# 倒转顺序，以让雷达图顺时针显示
angles = angles[::-1]
#提取标签

#增加第一个 data 到所有的 data 里，以实现闭合
data0 = np.concatenate((data0, [data0[0]]))
data1 = np.concatenate((data1, [data1[1]]))
# 使用「面向对象」的方法画图，定义图片的大小
fig, (ax1,ax2)=plt.subplots(1,2,figsize=(8, 8), subplot_kw=dict(polar=True))

# 设置背景颜色
fig.set_facecolor('w')
ax1.set_facecolor('w')
ax2.set_facecolor('w')
# 设置标题
ax1.set_title(f'2018年{df.columns[1]}空气污染类别分布\n\n', fontsize=18, loc='left', color=c['深灰色']) 
ax2.set_title(f'2018年{df.columns[2]}空气污染类别分布\n\n', fontsize=18, loc='left', color=c['深灰色']) 

# 设置网格标签
ax1.set_thetagrids(angles*180/np.pi, labels=label)
ax2.set_thetagrids(angles*180/np.pi, labels=label)

# 画雷达图，用顺时针显示
ax1.plot(angles, data0, 'o-', label=df.columns[1])
ax2.plot(angles, data1, 'o-', label=df.columns[2])

# 设置极坐标 0° 的位置
ax1.set_theta_zero_location('N') 
ax2.set_theta_zero_location('N') 

# 设置显示的极径范围
ax1.set_rlim(0, 5)
ax2.set_rlim(0, 5)

# 填充颜色
ax1.fill(angles, data0, facecolor=c['浅蓝色'], alpha=0.6)
ax2.fill(angles, data1, facecolor=c['浅橙色'], alpha=0.6)

# 设置极径标签，放在第一象限的中间位置
ax1.set_rlabel_position(360-360/len(data0)/2)
ax2.set_rlabel_position(360-360/len(data0)/2)
 
ax1.spines['polar'].set_visible(False) 
ax2.spines['polar'].set_visible(False) 

# 设置坐标标签字体大小和颜色
ax1.tick_params(labelsize=16, colors=c['深灰色'])
ax2.tick_params(labelsize=16, colors=c['深灰色'])

plt.show()