极客笔记Matplotlib 环形/极坐标柱状图
Matplotlib 是一个数据可视化库，被广泛应用于Python中，在数据科学领域中占据着重要的地位。它是一个非常强大的工具，可以用于创建不同类型的图表，包括柱状图、折线图、散点图、热力图等等。在本篇文章中，我们将会探讨如何使用 Matplotlib 创建极坐标柱状图。
阅读更多：Matplotlib 教程
什么是极坐标柱状图？
极坐标图形是一种特殊类型的图形，其中数据点在极坐标系中表示。极坐标图形可以显示反映周围数据分布的集中度和离散度，并且很适合将数据集成为多个部分。极坐标柱状图可用于反映不同数量和类别之间的比较。
构建极坐标柱状图的步骤
在本节中，我们将介绍使用 Matplotlib 构建极坐标柱状图的步骤。
步骤1：导入必要的库
首先，我们需要导入 Matplotlib 和 numpy 库。 numpy 库是一个处理数组的库，它让数据更容易处理和操作。
import matplotlib.pyplot as plt
import numpy as np
步骤2：创建数据
接下来，我们需要创建一些数据来绘制极坐标柱状图。我们使用 numpy 库的随机函数生成一个 200 个元素的数组，并将它们分成 5 个部分。
# Generate some random data
n = 200
r = np.random.rand(n)
theta = np.random.rand(n) * 2 * np.pi
# Divide into 5 sections
r_bins = np.linspace(r.min(), r.max(), 6)
theta_bins = np.linspace(0, 2 * np.pi, 6)
步骤3：将数据转换为极坐标
在步骤2中，我们生成了一些数据。现在我们需要将这些数据转换为极坐标，为此，我们将使用 plt.hist2d 函数。该函数将数据转换为极坐标，并返回一组用于绘制极坐标柱状图的变量。
# Convert to polar coordinates
H, _, _ = np.histogram2d(r, theta, bins=(r_bins, theta_bins))
# Convert bin counts to densities
H = np.ma.masked_where(H == 0, H)
H /= H.sum()
# Get the centers of the bins
r_centers = (r_bins[1:] + r_bins[:-1]) / 2
theta_centers = (theta_bins[1:] + theta_bins[:-1]) / 2
# Convert to radians
theta_centers = np.deg2rad(theta_centers)
步骤4：用极坐标绘制直方图
我们现在已经有了绘制极坐标柱状图所需的所有变量。现在，我们可以使用 plt.bar 函数将数据绘制为极坐标柱状图。
# Create figure and axis
fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))
# Plot the histogram
bars = ax.bar(theta_centers, H.sum(axis=0), width=np.diff(theta_bins)[0], bottom=0.0)
# Color the bars
for r, bar in zip(r_centers, bars):
bar.set_facecolor(plt.cm.viridis(r))
bar.set_alpha(0.5)
# Set the title
ax.set_title("Polar histogram")
# Show the plot
plt.show()
这段代码将生成一个极坐标柱状图，并用不同的颜色对每个柱进行着色，这可以非常好地凸显集中度和离散度。
完整的代码如下所示：
import matplotlib.pyplot as plt
import numpy as np
# Generate some random data
n = 200
r = np.random.rand(n)
theta = np.random.rand(n) * 2 * np.pi
# Divide into 5 sections
r_bins = np.linspace(r.min(), r.max(), 6)
theta_bins = np.linspace(0, 2 * np.pi, 6)
# Convert to polar coordinates
H, _, _ = np.histogram2d(r, theta, bins=(r_bins, theta_bins))
# Convert bin counts to densities
H = np.ma.masked_where(H == 0, H)
H /= H.sum()
# Get the centers of the bins
r_centers = (r_bins[1:] + r_bins[:-1]) / 2
theta_centers = (theta_bins[1:] + theta_bins[:-1]) / 2
# Convert to radians
theta_centers = np.deg2rad(theta_centers)
# Create figure and axis
fig, ax = plt.subplots(subplot_kw=dict(projection='polar'))
# Plot the histogram
bars = ax.bar(theta_centers, H.sum(axis=0), width=np.diff(theta_bins)[0], bottom=0.0)
# Color the bars
for r, bar in zip(r_centers, bars):
bar.set_facecolor(plt.cm.viridis(r))
bar.set_alpha(0.5)
# Set the title
ax.set_title("Polar histogram")
# Show the plot
plt.show()
总结
在本篇文章中，我们介绍了如何使用 Matplotlib 创建极坐标柱状图。要创建极坐标柱状图，我们需要将数据转换为极坐标，并使用 plt.bar 函数绘制数据。极坐标柱状图非常适合用于反映不同数量和类别之间的比较。我们还演示了如何将不同的颜色分配给每个柱子，以帮助我们更好地展示数据集的集中度和离散度。