云梦网络建站,常见o2o电商平台有哪些,wordpress数据大不行,营销型网站和普通网站柱状图的高级平替可视化
“玫瑰图”#xff0c;通常也被称为“科克斯图”。它类似于饼图#xff0c;但不同之处在于每个部分#xff08;或“花瓣”#xff09;的角度相同#xff0c;半径根据它表示的值而变化。这种可视化工具对于周期性地显示信息非常有用#xff0c;比…柱状图的高级平替可视化
“玫瑰图”通常也被称为“科克斯图”。它类似于饼图但不同之处在于每个部分或“花瓣”的角度相同半径根据它表示的值而变化。这种可视化工具对于周期性地显示信息非常有用比如一年中每月的数据就像您的图表一样每个“花瓣”对应一个月份。花瓣的长度代表该月的数值让观看者能够快速看出哪些月份的值相对较高或较低。这种图表曾被佛罗伦萨·南丁格尔用来说明克里米亚战争期间的死亡原因。 优点
1. 直观展示时间序列数据非常适合展示随时间变化的数据如月度或年度的比较。
2. 突出显示数据模式因其独特的设计可以突出显示数据中的模式和趋势。
3. 视觉吸引力具有高度的视觉吸引力可以吸引观众的注意力。
4. 展示多个变量能够在一个图表中同时展示多个变量有助于比较和对比。
5. 历史意义作为一种历史悠久的数据可视化方法它在某些情境中具有教育和传统上的价值。 缺点
1. 解读困难对于不熟悉这种图表的观众来说可能难以理解和解读。
2. 误导风险由于区域的大小可能会造成误解尤其是当外圈的变量值较大时可能会被过分强调。
3. 不适合复杂数据对于包含许多类别或复杂数据的情况可能不是最佳选择。
4. 比较困难如果需要精确比较数据点的大小这种图表可能不太合适因为人眼不擅长比较环形区域的面积。
5. 受限的数据量不适合展示大量的数据点因为图表会变得拥挤且难以阅读。
比如下图我随即生成了一组数据集每个月份具有一个数值如下的柱状图为了更加直观的展示其结果就可以绘制玫瑰图如下所示。 import matplotlib.pyplot as plt
import numpy as np# Generate random data for 12 months
data np.random.rand(12) * 100# Define the angle of each sector
theta np.linspace(0.0, 2 * np.pi, 12, endpointFalse)# Sort the data from smallest to largest
sorted_data np.sort(data)# Create the plot with the sorted data
fig, ax plt.subplots(subplot_kw{projection: polar})# Create the bars of the rose chart with sorted data
bars ax.bar(theta, sorted_data, width0.5, bottom0.0, colorplt.cm.viridis(sorted_data / 100))# Set the labels for each petal
ax.set_xticks(theta)
ax.set_xticklabels([Jan, Feb, Mar, Apr, May, Jun, Jul, Aug, Sep, Oct, Nov, Dec])# Remove the yticks
ax.set_yticks([])# Add the data values on top of each bar
for bar, value in zip(bars, sorted_data):ax.text(bar.get_x() bar.get_width()/2, bar.get_height(), f{value:.1f},hacenter, vabottom)# Show the plot
plt.show()
为了进一步美化我们使用了渐变的颜色条加粗了月份标签并在每个花瓣上方以加粗字体标注了数据值。此外还调整了背景颜色网格线样式以及去除了极坐标的边框使整个图表看起来更加清晰和现代。 也可以直接使用SPSSPRO的PRO绘图功能绘制。如下所示
还为大家准备了matlab绘制代码
% Random data for 12 months
data rand(1, 12) * 100;% Define the angle of each sector
theta linspace(0, 2 * pi, 13);
theta(end) []; % To make it 12 elements only% Sort the data and associated labels
[sorted_data, sortIndex] sort(data);
sorted_labels {Jan, Feb, Mar, Apr, May, Jun, Jul, Aug, Sep, Oct, Nov, Dec};
sorted_labels sorted_labels(sortIndex);% Create a polar plot
figure(Color, white);
pax polaraxes;
hold on;% Set the colormap
colors colormap(hot(12));% Create the bars
bars polarplot([theta; theta], [zeros(1, numel(sorted_data)); sorted_data], LineWidth, 10);
for i 1:length(bars)bars(i).Color colors(i, :);
end% Set the labels for each petal
pax.ThetaTick rad2deg(theta);
pax.ThetaTickLabel sorted_labels;% Add the data values on top of each bar
for i 1:length(sorted_data)text(theta(i), sorted_data(i) max(data)*0.05, sprintf(%.1f, sorted_data(i)), ...HorizontalAlignment, center, FontWeight, bold, Color, [0 0 0.5]);
end% Customize polar grid and frame
pax.GridLineStyle --;
pax.GridColor [0.5, 0.5, 0.5];
pax.GridAlpha 0.5;% Hide the polar frame/spine
pax.RAxis.Visible off;% Add a title
title(Monthly Data Rose Chart, FontSize, 16, FontWeight, bold, Color, [0 0 0.5]);% Show the plot
hold off; 同时为了进一步美化可视化结果我们增加标签和图例、添加数据的百分比或数值标签、改进极坐标网格线等操作最终可视化结果如下所示
