本系列文章配套代码获取有以下两种途径：
-
通过百度网盘获取：
链接：https://pan.baidu.com/s/1jG-rGG4QMuZu0t0kEEl7SA?pwd=mnsj提取码：mnsj
-
前往GitHub获取：
https://github.com/returu/Data_Visualization极坐标图以极点为中心，用角度（θ）和半径（r）描述数据位置，区别于传统笛卡尔坐标系的 “横纵轴” 模式。它特别适合展示具有周期性、方向性的数据，能直观呈现数据随角度变化的规律，以及不同方向上的数值差异。
函数语法：
polar(theta, r, [fmt], **kwargs)-
theta：数组型，数据点的角度值，单位为弧度（若输入角度值需用np.radians()转换），形状需与r一致。 -
r：数组型，数据点的半径值（从极点到数据点的距离），非负数值，形状需与theta一致。 -
fmt (可选)：格式字符串，用于快速指定线条样式、颜色和标记点，格式为 ‘[color][marker][line]’。例如：‘ro-‘表示红色（r）、圆圈标记（o）、实线（–）。’–g*’表示绿色（g）、星号标记（*）、虚线（—）。如果省略 fmt，默认使用实线（‘-‘）且无标记点。
-
kwargs：可选参数，用于定制线条、标记、颜色等样式，与plot()函数类似。
【数据可视化(Matplotlib篇)】32.绘制折线图plot()
# 生成数据
theta = np.linspace(0, 2 * np.pi, 8, endpoint=False) # 8个等分角度
r = np.array([4, 7, 2, 5, 3, 6, 1, 8]) # 对应极径
# 在数组末尾添加起始点，实现闭合
theta = np.append(theta, theta[0]) # 补充起始角度
r = np.append(r, r[0]) # 补充起始极径
# 绘制极坐标图
ax = plt.figure(figsize=(6, 6))
plt.polar(theta, r, marker='o', linestyle='-', color='blue', linewidth=2)
# 添加标题与标签
plt.title('基础极坐标图示例', pad=20) # pad控制标题与图的间距
plt.show()
可视化结果如下图所示：
-
函数原理:
plt.polar()是plt.plot()的便捷封装器，专为极坐标图设计，主要承担两项关键作用：
-
确保极坐标坐标轴（Axes）环境
调用polar()时，它会先检查当前的坐标轴（绘图区域）是否已设置为极坐标模式。若未设置（例如前一个图表使用的是笛卡尔坐标系），则会自动创建一个新的极坐标坐标轴。这省去了手动配置的步骤，不过该方法依然有效）。
-
将所有参数传递给pyplot.plot()
在确认极坐标坐标轴准备就绪后，polar()会将你提供的每一个参数（如color、marker、linestyle、label等）直接传递给pyplot.plot()。这意味着极坐标图的样式设置逻辑与笛卡尔线图完全一致。例如：使用polar(theta, r, color=’red’, marker=’o’)，等效于先创建极坐标坐标轴，再在该坐标轴上调用plot(theta, r, color=’red’, marker=’o’)。
因此有以下两种方式绘制极坐标图：
# 方法1：使用plt.polar()函数plt.polar(theta, r)# 方法2：使用projection参数，显式创建极坐标子图fig, ax = plt.subplots(subplot_kw={'projection': 'polar'})ax.plot(theta, r)
两种方法在性能上没有显著差异，主要的区别在于编程范式和使用灵活性。
-
plt.polar() 胜在简洁易用，适合快速绘图；
-
projection=’polar’ 胜在灵活强大，其面向对象逻辑符合 Matplotlib 设计理念，适合复杂应用。
使用示例：
-
示例1：自定义极坐标图
极坐标图的样式自定义需围绕数据呈现需求，通过面向对象接口（ax.xxx方法）实现。例如本次从数据展示样式、网格与刻度、角度系统三个维度展开：
-
基础样式（线条、标记、填充）通过绘图函数参数控制；
-
网格与刻度通过 set_rgrids()、set_xticks()等方法定制； -
角度系统通过 set_theta_zero_location()和set_theta_direction()适配业务场景（如方位角、时钟式角度等）。
# 生成数据
theta = np.linspace(0, 2 * np.pi, 8, endpoint=False) # 8个等分角度
r = np.array([4, 7, 2, 5, 3, 6, 1, 8]) # 对应极径
# 在数组末尾添加起始点，实现闭合
theta = np.append(theta, theta[0]) # 补充起始角度
r = np.append(r, r[0]) # 补充起始极径
fig = plt.figure(figsize=(6, 6))
ax = fig.add_subplot(111, projection='polar')
# ================自定义极坐标图=======================
# 绘制极坐标图
ax.plot(theta, r,
marker='*',
markersize=10,
markerfacecolor='red',
markeredgecolor='k',
linestyle='--',
color='blue',
linewidth=1.0
)
# 填充内部区域
plt.fill_between(theta, r, color='lightblue', alpha=0.5)
# 设置网格线
ax.grid(True, linestyle='--', alpha=0.5)
# 设置半径范围
ax.set_rlim(1, 8)
# 定制径向网格线
ax.set_rgrids([2, 4, 6, 8], labels=['Low', 'Medium', 'High', 'Max'],
angle=180, fontsize=10, color='k')
# 设置角度刻度
ax.set_xticks(np.linspace(0, 2*np.pi, 8, endpoint=False))
ax.set_xticklabels(['N', 'NE', 'E', 'SE', 'S', 'SW', 'W', 'NW'], fontsize=12, color='purple')
# 设置角度零点位置（北方向）
ax.set_theta_zero_location('N')
# 设置角度增加方向（顺时针）
ax.set_theta_direction(-1)
# ================自定义极坐标图=======================
# 添加标题与标签
plt.title('自定义极坐标图', pad=20)
plt.show()
可视化结果如下图所示：
-
示例2：风向玫瑰图
极坐标下的条形图能直观展示周期性数据，典型应用就是用于制作风向玫瑰图，显示风向和风速的分布。
# 生成示例数据
directions = np.linspace(0, 2*np.pi, 8)
speeds = [2, 5, 3, 4, 6, 3, 2, 1]
# 创建极坐标条形图
ax = plt.subplot(111, projection='polar')
ax.bar(directions, speeds, alpha=0.7, width=0.5)
# 设置标题和标签
ax.set_title('风向玫瑰图', va='bottom')
plt.show()
可视化结果如下图所示：
-
示例3：雷达图
雷达图是极坐标的典型应用，适合展示多维数据比较。
# 数据准备
categories = ['市场调查', '运营分析', 'Python', '数据库', '经济学', '统计学']
student_a = [5, 4, 3, 2, 4, 5] # 学生A的评分
student_b = [3, 2, 4, 5, 3, 2] # 学生B的评分
# 闭合数据
theta = np.linspace(0, 2 * np.pi, len(categories), endpoint=False)
theta = np.concatenate([theta, [theta[0]]])
a_scores = np.concatenate([student_a, [student_a[0]]])
b_scores = np.concatenate([student_b, [student_b[0]]])
# 绘制雷达图
plt.figure(figsize=(5, 5))
ax = plt.subplot(111, projection='polar')
ax.plot(theta, a_scores, 'o-', linewidth=2, label='学生A')
ax.fill(theta, a_scores, alpha=0.25, color='blue')
ax.plot(theta, b_scores, 's-', linewidth=2, label='学生B')
ax.fill(theta, b_scores, alpha=0.25, color='red')
# 定制标签
ax.set_xticks(theta[:-1])
ax.set_xticklabels(categories, fontsize=12)
# 调整标签的位置
labels = ax.get_xticklabels()
for label, angle in zip(labels, theta[:-1]):
label.set_position((angle, label.get_position()[1]-0.1)) # 向外微调
ax.set_title('学生能力评估雷达图', pad=30)
ax.legend(loc='center left', bbox_to_anchor=(1.2, 0.5))
plt.show()
可视化结果如下图所示：
-
示例4：极坐标散点图
极坐标散点图可展示离散数据在极坐标中的分布，适合分析 “方向 – 数值” 类离散观测值（如卫星信号强度）。
# 生成随机数据
np.random.seed(42)
theta = np.random.uniform(0, 2*np.pi, 100)
r = np.random.uniform(0, 1, 100)
sizes = 100 * np.random.rand(100)
colors = np.random.rand(100)
# 创建极坐标图
ax = plt.subplot(111, projection='polar')
# 绘制散点图（plt.polar 不支持 cmap）
sc = ax.scatter(theta, r, c=colors, s=sizes, cmap='hsv', alpha=0.7)
# 添加颜色条
plt.colorbar(sc, ax=ax, label='颜色值')
plt.title("极坐标散点图", pad=20)
plt.show()
可视化结果如下图所示：
-
示例5：极坐标等高线图
极坐标等高线图适用于展示二维数据在极坐标系统中的分布情况，特别适合分析具有旋转对称性或角度相关性的数据（如电磁场分布、气象数据等）。
# 生成网格数据
theta = np.linspace(0, 2*np.pi, 100)
r = np.linspace(0, 1, 50)
T, R = np.meshgrid(theta, r)
Z = np.sin(3*T) * R**2
# 创建极坐标图
ax = plt.subplot(111, projection='polar')
# 绘制等高线图
contour = ax.contourf(T, R, Z, 20, cmap='coolwarm')
# 添加颜色条
plt.colorbar(contour, ax=ax, label='Z值')
plt.title("极坐标等高线图", pad=20)
plt.show()
可视化结果如下图所示：
更多内容可以前往官网查看：
https://matplotlib.org/stable/
本篇文章来源于微信公众号: 码农设计师
