效果展示

功能实现

1. 引入所需的库

1、pandas用于数据分析；

2、numpy针对数组运算提供大量的数学函数库；

3、matplotlib画图库。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

2. 读取表数据并做一些设置

df = pd.read_excel('能力图.xlsx')
df = df.set_index('能力评价指标')
df = df.T  # 转置数据表格
df.index.name = '个人'

3. 定义方法plot_radar来绘制雷达图

def plot_radar(data, feature):
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False  # 解决无法正常显示负号的问题
    cols = ['经验值', '战斗力', '防御力', '稳定性', '钟情指数']
    colors = ['#d81e06', '#f4ea2a', '#1296db', '#d4237a']  # 为每个个人设置图表中的显示颜色
    angles = np.linspace(0.1 * np.pi, 2.1 * np.pi, len(cols), endpoint=False)  # 根据要显示的指标个数对圆形进行等分
    angles = np.concatenate((angles, [angles[0]]))  # 连接刻度线数据
    fig = plt.figure(figsize=(8, 8))  # 设置显示图表的窗口大小
    ax = fig.add_subplot(111, polar=True)  # 设置图表在窗口中的显示位置，并设置坐标轴为极坐标体系
    for i, c in enumerate(feature):  # 根据feature参数值循环显示个人的数量
        stats = data.loc[c]  # 获取品牌对应的指标数据
        stats = np.concatenate((stats, [stats[0]]))  # 连接品牌的指标数据
        ax.plot(angles, stats, '-', linewidth=6, c=colors[i], label='%s' % c)  # 画图
        ax.fill(angles, stats, color=colors[i], alpha=0.25)  # 填充颜色
    ax.legend()  # 添加图例
    ax.set_yticklabels([])  # 隐藏坐标轴数据
    ax.set_thetagrids(angles * 180 / np.pi, cols, fontsize=16)  # 添加数据标签
    plt.show()  # 显示图
    return fig

4. 调用方法plot_radar绘制雷达图

第二个参数可根据实际情况设置，但不能超过表的个数。

plot_radar(df, ['张一', '张二', '张三', '张四'])  # 调用函数

5. 全部代码如下

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
df = pd.read_excel('能力图.xlsx')
df = df.set_index('能力评价指标')
df = df.T  # 转置数据表格
df.index.name = '个人'


def plot_radar(data, feature):
    plt.rcParams['font.sans-serif'] = ['SimHei']
    plt.rcParams['axes.unicode_minus'] = False  # 解决无法正常显示负号的问题
    cols = ['经验值', '战斗力', '防御力', '稳定性', '钟情指数']
    colors = ['#d81e06', '#f4ea2a', '#1296db', '#d4237a']  # 为每个个人设置图表中的显示颜色
    angles = np.linspace(0.1 * np.pi, 2.1 * np.pi, len(cols), endpoint=False)  # 根据要显示的指标个数对圆形进行等分
    angles = np.concatenate((angles, [angles[0]]))  # 连接刻度线数据
    fig = plt.figure(figsize=(8, 8))  # 设置显示图表的窗口大小
    ax = fig.add_subplot(111, polar=True)  # 设置图表在窗口中的显示位置，并设置坐标轴为极坐标体系
    for i, c in enumerate(feature):  # 根据feature参数值循环显示个人的数量
        stats = data.loc[c]  # 获取品牌对应的指标数据
        stats = np.concatenate((stats, [stats[0]]))  # 连接品牌的指标数据
        ax.plot(angles, stats, '-', linewidth=6, c=colors[i], label='%s' % c)  # 画图
        ax.fill(angles, stats, color=colors[i], alpha=0.25)  # 填充颜色
    ax.legend()  # 添加图例
    ax.set_yticklabels([])  # 隐藏坐标轴数据
    ax.set_thetagrids(angles * 180 / np.pi, cols, fontsize=16)  # 添加数据标签
    plt.show()  # 显示图
    return fig


plot_radar(df, ['张一', '张二', '张三', '张四'])  # 调用函数