背景
《Python数据分析与挖掘实战》 案例2–航空公司客户价值分析
在该案例中的雷达图缺少相应的代码，查看相关文档之后，实现的代码如下。
数据
用于作图的数据对象名为data_cluster，数据展示如下：
注：其中（ZL,ZR,ZF,ZM,ZC）的值表示的是某个簇的聚类中心。
绘制
代码
import numpy as npfrom matplotlib.pyplot import pltdef plot_radar(data):'''the first column of the data is the cluster name;the second column is the number of each cluster;the last are those to describe the center of each cluster.'''kinds = data.iloc[:, 0]labels = data.iloc[:, 2:].columnscenters = pd.concat([data.iloc[:, 2:], data.iloc[:,2]], axis=1)centers = np.array(centers)n = len(labels)angles = np.linspace(0, 2*np.pi, n, endpoint=False)angles = np.concatenate((angles, [angles[0]]))fig = plt.figure()ax = fig.add_subplot(111, polar=True) # 设置坐标为极坐标# 画若干个五边形floor = np.floor(centers.min())# 大于最小值的最大整数ceil = np.ceil(centers.max()) # 小于最大值的最小整数for i in np.arange(floor, ceil + 0.5, 0.5):ax.plot(angles, [i] * (n + 1), '--', lw=0.5 , color='black')# 画不同客户群的分割线for i in range(n):ax.plot([angles[i], angles[i]], [floor, ceil], '--', lw=0.5, color='black')# 画不同的客户群所占的大小for i in range(len(kinds)):ax.plot(angles, centers[i], lw=2, label=kinds[i])#ax.fill(angles, centers[i])ax.set_thetagrids(angles * 180 / np.pi, labels) # 设置显示的角度，将弧度转换为角度plt.legend(loc='lower right', bbox_to_anchor=(1.5, 0.0)) # 设置图例的位置，在画布外ax.set_theta_zero_location('N') # 设置极坐标的起点（即0°）在正北方向，即相当于坐标轴逆时针旋转90°ax.spines['polar'].set_visible(False) # 不显示极坐标最外圈的圆ax.grid(False)# 不显示默认的分割线ax.set_yticks([]) # 不显示坐标间隔plt.show()
结果
plot_padar(data_cluster)
后记
未进行美化的雷达图如下：
注释了对极坐标更改的设置#ax.set_theta_zero_location('N') # 设置极坐标的起点（即0°）在正北方向，即相当于坐标轴逆时针旋转90°#ax.spines['polar'].set_visible(False) # 不显示极坐标最外圈的圆#ax.grid(False)# 不显示默认的分割线#ax.set_yticks([]) # 不显示坐标间隔
效果图
