软件测试|Python数据可视化神器——pyecharts教程（十四）

使用pyecharts绘制极坐标系图

简介

极坐标系图是一种用于可视化数据的坐标系，与常见的直角坐标系图（笛卡尔坐标系）不同，它使用角度和半径来表示数据点的位置。极坐标系图非常适合展示数据的循环性和周期性关系，以及数据点在一个圆形或极坐标网格上的分布情况。极坐标系图常用于气象学、天文学、声学、生物学、工程学等领域，用于分析和展示周期性数据。它们还可以用于可视化多维数据，其中每个维度由不同的半径表示。本文就给大家介绍一下使用pyecharts绘制极坐标系图。

配置

导包

极坐标系图和其他类型的图一样，有一个自身专属的类，要绘制极坐标系图，我们需要导入这个类，导入的类如下：

from pyecharts import options as opts
from pyecharts.charts import Polar

add函数设置

def add(self,series_name: str,  # 系列名称，用于标识不同的数据系列data: types.Sequence,  # 数据序列，包含要绘制的数据点*,type_: str = "line",  # 系列类型，默认为线图symbol: types.Optional[str] = None,  # 标记点的样式，默认为Nonesymbol_size: types.Numeric = 4,  # 标记点的大小，默认为4stack: types.Optional[str] = None,  # 数据堆叠的分组，默认为Nonecenter: types.Optional[types.Sequence] = None,  # 极坐标系的中心点，默认为Nonelabel_opts: types.Label = opts.LabelOpts(is_show=False),  # 标签的设置，默认不显示areastyle_opts: types.AreaStyle = opts.AreaStyleOpts(),  # 区域样式的设置，默认为空effect_opts: types.Effect = opts.EffectOpts(),  # 特效的设置，默认为空tooltip_opts: types.Tooltip = None,  # 提示框的设置，默认为Noneitemstyle_opts: types.ItemStyle = None,  # 数据项样式的设置，默认为None
)

绘图实例

极坐标系结合折线图

下面我们来绘制一个极坐标系和折线结合的图形，代码如下：

from pyecharts import options as opts  # 导入pyecharts的配置模块
from pyecharts.charts import Polar  # 导入极坐标系图表模块data = [(5, 50, "A"),  # 数据点1，包含极径、极角和标签(20, 60, "B"),  # 数据点2，包含极径、极角和标签(30, 70, "C"),  # 数据点3，包含极径、极角和标签(40, 80, "D"),  # 数据点4，包含极径、极角和标签(50, 90, "E"),  # 数据点5，包含极径、极角和标签
]image = (Polar()  # 创建一个极坐标系图表对象.add_schema(angleaxis_opts=opts.AngleAxisOpts(data=data, type_="value"))  # 设置角度轴参数.add("data", data)  # 添加数据系列.set_global_opts(title_opts=opts.TitleOpts(title="极坐标系+折线图"))  # 设置全局参数，如标题
)image.render("极坐标系结合折线图.html")  # 将图表渲染为HTML文件

以上代码绘制了一个普通极坐标系图表，其中data变量包含了一组数据，每个数据点由角度、半径和标签组成。图表将显示这些数据点，并在图表中心绘制角度轴，绘制的图形如下：

极坐标图结合散点图

很多时候，我们需要分析数据的分布，绘制散点图，同样地，我们也可以将极坐标图和散点图结合起来，代码如下：

from pyecharts import options as opts  # 导入pyecharts的配置模块
from pyecharts.charts import Polar  # 导入极坐标系图表模块
import random  # 导入random模块，用于生成随机数data = [(i, random.randint(1, 100)) for i in range(101)]  # 生成包含101个数据点的列表，每个数据点由极径和随机生成的极角组成c = (Polar()  # 创建一个极坐标系图表对象.add_schema(angleaxis_opts=opts.AngleAxisOpts())  # 设置角度轴的参数.add("data",data,type_="scatter",label_opts=opts.LabelOpts(is_show=False),)  # 添加散点图的数据系列，设置散点图的类型和标签参数.set_global_opts(title_opts=opts.TitleOpts(title="极坐标系+散点图"))  # 设置全局参数，如标题
)c.render("极坐标系结合散点图.html")  # 将图表渲染为HTML文件

散点图添加涟漪效果

有时候我们会觉得散点图不够炫酷，我们可以给图添加一些动态效果，比如加上涟漪效果，代码如下：

from pyecharts import options as opts  # 导入pyecharts的配置模块
from pyecharts.charts import Polar  # 导入极坐标系图表模块
import random  # 导入random模块，用于生成随机数data = [(i, random.randint(1, 100)) for i in range(101)]  # 生成包含101个数据点的列表，每个数据点由极径和随机生成的极角组成c = (Polar()  # 创建一个极坐标系图表对象.add_schema(angleaxis_opts=opts.AngleAxisOpts())  # 设置角度轴的参数.add("data",data,type_="effectScatter",effect_opts=opts.EffectOpts(scale=10, period=5),label_opts=opts.LabelOpts(is_show=False),)  # 添加涟漪散点图的数据系列，设置涟漪散点图的类型和特效参数.set_global_opts(title_opts=opts.TitleOpts(title="涟漪散点图"))  # 设置全局参数，如标题
)c.render("涟漪效果图.html")  # 将图表渲染为HTML文件

运行代码，绘制的图像如下：

极坐标系+饼图

我们还可以将饼图与极坐标系结合起来，代码如下：

from pyecharts import options as opts  # 导入pyecharts的配置模块
from pyecharts.charts import Polar  # 导入极坐标系图表模块
from pyecharts.faker import Faker  # 导入Faker模块，用于生成虚假数据image = (Polar()  # 创建一个极坐标系图表对象.add_schema(angleaxis_opts=opts.AngleAxisOpts(data=Faker.week, type_="category"))  # 设置角度轴的参数.add("A", [1, 2, 3, 6, 3, 5, 1], type_="bar", stack="stack0")  # 添加数据系列A，设置柱状图的类型和堆叠分组.add("B", [2, 4, 6, 3, 2, 3, 1], type_="bar", stack="stack0")  # 添加数据系列B，设置柱状图的类型和堆叠分组.add("C", [1, 2, 3, 4, 1, 2, 6], type_="bar", stack="stack0")  # 添加数据系列C，设置柱状图的类型和堆叠分组.set_global_opts(title_opts=opts.TitleOpts(title="极坐标系结合饼图"))  # 设置全局参数，如标题
)image.render("极坐标系结合饼图.html")  # 将图表渲染为HTML文件

运行代码，绘制的图像如下：