python绘制三维地形shade()参数_Python数据可视化笔记04--雷达图、三维图实战

Python数据可视化笔记01--Matplotlib基础

Python数据可视化笔记02--折线图、散点图实战

Python数据可视化笔记03--柱状图、饼状图实战

本文索引：

雷达图

三维图

本文环境：Windows10 + jupyter notebook

一、雷达图

【雷达图】

雷达图(Radar Chart)，又可称为戴布拉图、蜘蛛网图(Spider Chart)，可以很好刻画出某些指标的横向或纵向的对比关系。

雷达图经常用于对多项指标的全面分析。比如：HR想要对比两个应聘者的综合素质，用雷达图分别画出来，就可以进行直观的比较。

python中用matplotlib模块绘制雷达图需要用到极坐标系。

【雷达图之极坐标系】

在平面内取一个定点O，叫极点，引一条射线Ox，叫做极轴，再选一个长度单位和角度的正方向(通常取逆时针方向)。对于平面内任何一点M，用ρ表示线段OM的长度(有时也用r表示)，

表示从Ox到OM的角度，ρ叫做点M的极径，

叫做点M的极角，有序数对(ρ，

)就叫做点M的极坐标，这样建立的坐标系叫做极坐标系。

通常情况下，M的极径坐标单位为1(长度单位)，极角坐标单位为°。

【雷达图之polar()函数】

polar(theta,r,**kwargs)

主要参数：

theta：指极角

。

r：指极径。

import numpy as np

import matplotlib.pyplot as plt

plt.polar(0.25*np.pi,20,'ro',lw=2)

plt.ylim(0,50) # 设置极轴的上下限

plt.show()

这里：

0.25*np.pi = 45°：极角

20：极径

‘ro’：绘极坐标形状为红色圆点

lw = 2：极坐标图形宽度为2

如果绘制多个极角和极轴时：

import numpy as np

import matplotlib.pyplot as plt

theta = np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2])

r = [75,60,50,70,50,85,45,70]

plt.polar(theta*np.pi,r,'ro',lw = 2)

plt.ylim(0,100)

plt.show()

theta：定义了一个ndarray数组存储多个数据

r：定义了一个数组存放极轴的长度，也叫极径

则在途中绘制出多个点(0.25*π，75)，(0.5*π，60)，(0.75*π，50)，(1.0*π，70)等。

绘制完极坐标点后，把每个点用线连起来，就是雷达图了。

只需要把图形绘制样式修改为‘ro-’即可，'ro-'中'-'表示极坐标点之间的连线。

此时得到图形是这样的：

但是此时曲线并未闭合？

闭合曲线：多构造一个极坐标点，和第一个点重叠

import numpy as np

import matplotlib.pyplot as plt

theta = np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])

r = [75,60,50,70,50,85,45,70,75]

plt.polar(theta*np.pi,r,'ro-',lw = 2)

plt.ylim(0,100)

plt.show()

运行结果：

fill()函数填充雷达图

import numpy as np

import matplotlib.pyplot as plt

theta = np.array([0.25,0.5,0.75,1,1.25,1.5,1.75,2,0.25])

r = [75,60,50,70,50,85,45,70,75]

plt.polar(theta*np.pi,r,'ro-',lw = 2)

plt.fill(theta*np.pi,r,facecolor='r',alpha=0.25) # 填充

plt.ylim(0,100)

plt.show()

运行结果：

二、三维图

【三维图概述】

matplotlib支持一些基础的三维图表绘制，比如曲面图、散点图和柱状图，需要使用mpl_toolkits模块。

如果要绘制三维图形，首先需要使用以下的语句导入相应的对象：

from mpl_toolkits.mplot3d import Axes3D

然后使用下面的两种方式之一声明要创建三维图：

ax = fig.gca(projection = '3d')

ax = plt.subplot(111,projection = '3d')

接下来就可以使用ax的plot()方法绘制三维曲线、plot_surface()方法绘制三维曲面、scatter()方法绘制三维散点图或bar3d()方法绘制三维柱状图了。

【 三维曲面绘制方法：p3d.Axes3D.plot_surface() 】

在绘制三维图形时，至少需要指定x、y三个坐标轴的数据，然后再根据不同的图形指定额外的参数设置图形的属性。

plot_surface(X,Y,Z,*args,**kwargs)

常用参数：

rstride和cstride分别控制x和y两个方向的步长，这决定了曲面上每个面片的大小；

color用来指定面片的颜色；

cmap用来指定面片的颜色映射表。

【三维散点图绘制方法：p3d.Axes3D.scatter() 】

p3d.Axes3D.scatter(xs,ys,zs = 0,zdir = 'z',s = 20,c = None,depthshade = True,

*args,**kwargs)

常用参数：

xs、ys、zs分别用来指定散点符号的x、y、z坐标，如果同时为标量则指定一个三点符号的坐标，如果同时为等长数组则指定一系列散点符号的坐标。

s用来指定散点符号的大小，可以是标量或与xs等长的数组；

【三维柱状图绘制方法：p3d.Axes3D.bar3d()】

p3d.Axes3D.bar3d(x,y,z,dx,dy,dz,color = None,zsort = 'average',*args,**kwargs)

常用参数：

x、y、z分别用来指定每个柱底面的坐标，如果这三个参数都是标量则指定一个柱的地面坐标，如果是三个等长的数组则指定多个柱的底面坐标；

dx、dy、dz分别用来是定柱在三个坐标轴上的跨度，即x方向的宽度，y方向的厚度和z方向的高度；

color用来指定柱的表面颜色。

三维曲线图实战：根据测试数据x、y、z，然后绘制三维曲线，并设置图例字号

import numpy as np

import matplotlib as mpl

import matplotlib.pyplot as plt

from mpl_toolkits.mplot3d import Axes3D

fig = plt.figure()

ax = fig.gca(projection = '3d')

#测试数据

theta = np.linspace(-4*np.pi,4*np.pi,100)

z = np.linspace(-4,4,100)*0.3

r = z**4 + 1

x = r*np.sin(theta)

y = r*np.cos(theta)

ax.plot(x,y,z,'b^-',label = '3D Picture Test')

mpl.rcParams['legend.fontsize'] = 10

ax.legend()

plt.show()

三维柱状图实战：生成测试数据，绘制三维柱状图，设置每个柱的颜色随机

import numpy as np

import matplotlib.pyplot as plt

import mpl_toolkits.mplot3d

x = np.random.randint(0,40,10)

y = np.random.randint(0,40,10)

z = 80*abs(np.sin(x + y))

ax = plt.subplot(projection = '3d')

for xx,yy,zz in zip(x,y,z):

color = np.random.random(3)

ax.bar3d(xx,yy,0,dx = 1,dy = 1,dz = zz,color = color)

ax.set_xlabel('X')

ax.set_xlabel('Y')

ax.set_xlabel('Z')

plt.show()

Python数据可视化部分四个小节已全部更新完毕，神知道我是在被隔离期间完成这最后一篇的笔记的，接下来要开始机器学习部分的实战啦，大家一起加油，武汉加油，中国加油！！！