雷达图常用于对多项指标的全面分析。例如：HR想要比较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。
用Matplotlib画雷达图需要使用极坐标体系，可点击此链接，查看对极坐标体系的介绍：https://www.cnblogs.com/kallan/p/6738577.html。
下面，我们从五个方面（编程能力，沟通技能，专业知识，团队协作，工具掌握）来对路人甲和路人乙进行比较。
代码如下：
import numpy as np from matplotlib import pyplot as plt fig=plt.figure(figsize=(10,5)) ax1=fig.add_subplot(1,2,1,polar=True) #设置第一个坐标轴为极坐标体系 ax2=fig.add_subplot(1,2,2,polar=True) #设置第二个坐标轴为极坐标体系 fig.subplots_adjust(wspace=0.4) #设置子图间的间距，为子图宽度的40% p1={"编程能力":60,"沟通技能":70,"专业知识":65,"团体协作":75,"工具掌握":80} #创建第一个人的数据 p2={"编程能力":70,"沟通技能":60,"专业知识":75,"团体协作":65,"工具掌握":70} #创建第二个人的数据 data1=np.array([i for i in p1.values()]).astype(int) #提取第一个人的信息 data2=np.array([i for i in p2.values()]).astype(int) #提取第二个人的信息 label=np.array([j for j in p1.keys()]) #提取标签 angle = np.linspace(0, 2*np.pi, len(data1), endpoint=False) #data里有几个数据，就把整圆360°分成几份 angles = np.concatenate((angle, [angle[0]])) #增加第一个angle到所有angle里，以实现闭合 data1 = np.concatenate((data1, [data1[0]])) #增加第一个人的第一个data到第一个人所有的data里，以实现闭合 data2 = np.concatenate((data2, [data2[0]])) #增加第二个人的第一个data到第二个人所有的data里，以实现闭合 #设置第一个坐标轴 ax1.set_thetagrids(angles*180/np.pi, label, fontproperties="Microsoft Yahei") #设置网格标签 ax1.plot(angles,data1,"o-") ax1.set_theta_zero_location('NW') #设置极坐标0°位置 ax1.set_rlim(0,100) #设置显示的极径范围 ax1.fill(angles,data1,facecolor='g', alpha=0.2) #填充颜色 ax1.set_rlabel_position('255') #设置极径标签位置 ax1.set_title("路人甲",fontproperties="SimHei",fontsize=16) #设置标题 #设置第二个坐标轴 ax2.set_thetagrids(angles*180/np.pi, label, fontproperties="Microsoft Yahei") #设置网格标签 ax2.plot(angles,data2,"o-") ax2.set_theta_zero_location('NW') #设置极坐标0°位置 ax2.set_rlim(0,100) #设置显示的极径范围 ax2.fill(angles,data2,facecolor='g', alpha=0.2) #填充颜色 ax2.set_rlabel_position('255') #设置极径标签位置 ax2.set_title("路人乙",fontproperties="SimHei",fontsize=16) #设置标题 plt.show()
图像如下：
