Python matplotlib绘制基础雷达图完整代码

一、基础雷达图完整代码

以下是单组六维指标雷达图的标准完整代码。代码包含中文环境适配、弧度等分计算、首尾数据闭合拼接、极轴方位调整及多边形半透明填充，复制后即可直接执行并保存或展示图表。

import matplotlib.pyplot as plt
import numpy as np

# 1. 设置中文字体与负号正常显示
plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 2. 定义评估指标名称与数值
labels = np.array(['攻击力', '防御力', '机动性', '生存力', '控制力', '辅助力'])
values = np.array([88, 72, 95, 68, 80, 60])
num_vars = len(labels)

# 3. 计算各个维度的对应角度（弧度制）
# 在 [0, 2π) 之间均匀分布 num_vars 个点，endpoint 必须为 False 避免终点 2π 与 0 重合
angles = np.linspace(0, 2 * np.pi, num_vars, endpoint=False)

# 4. 关键步骤：首尾数据与角度闭合
# 雷达图需构成完整多边形闭环，将起点数据追加至末尾
values = np.concatenate((values, [values[0]]))
angles = np.concatenate((angles, [angles[0]]))

# 5. 创建极坐标子图 (polar=True)
fig, ax = plt.subplots(figsize=(6, 6), subplot_kw=dict(polar=True))

# 6. 设置起始角度（将第 1 个指标旋转至正北正上方）与顺时针方向
ax.set_theta_offset(np.pi / 2)
ax.set_theta_direction(-1)

# 7. 绘制多边形轮廓线与半透明填充
ax.plot(angles, values, color='#B96555', linewidth=2, linestyle='solid', label='角色属性')
ax.fill(angles, values, color='#B96555', alpha=0.25)

# 8. 绘制数据锚点
ax.scatter(angles, values, color='#B96555', s=36, zorder=10)

# 9. 设置刻度与标签（注意使用闭合前的 angles[:-1]）
ax.set_xticks(angles[:-1])
ax.set_xticklabels(labels, fontsize=11, color='#30363C')

# 10. 设置径向范围 (半径 r) 与同心圆刻度
ax.set_ylim(0, 100)
ax.set_yticks([20, 40, 60, 80, 100])
ax.set_yticklabels(['20', '40', '60', '80', '100'], fontsize=9, color='#6B7280')
ax.set_rlabel_position(22.5)  # 径向刻度文字向 22.5 度倾斜，避免与坐标射线遮挡

# 11. 美化网格线与图表边框
ax.grid(color='#D1CCC0', linestyle='--', linewidth=0.8)
ax.spines['polar'].set_color('#D1CCC0')

# 12. 图表标题与图例
plt.title('角色综合能力评估雷达图', fontsize=14, pad=24, color='#30363C', weight='bold')
plt.legend(loc='upper right', bbox_to_anchor=(1.15, 1.1), frameon=True)

plt.tight_layout()
plt.show()

二、核心实现机制与关键步骤拆解

雷达图的绘图逻辑与常规折线图截然不同。在直角坐标系（笛卡尔坐标系）下，数据是基于 $x$ 轴与 $y$ 轴的正交映射；而在极坐标系下，每一个数据点对应一个极角 $ heta$ 和一个极径 $r$。要确保图形正确无误，必须理解以下四个步骤：

1. 角度均分计算（`np.linspace`）

圆周的总弧度为 $2\pi$（约为 6.283）。如果有 $N$ 个指标，每个指标占用的扇区夹角即为 $2\pi / N$。使用 NumPy 的 np.linspace(0, 2 * np.pi, num_vars, endpoint=False) 生成等分角度数组。

2. 数据与角度的“首尾闭合”（Data Closure）

这是初学者绘制雷达图最容易遗漏的细节。计算机在执行 plot 时，仅会按照数组顺序依次连接相邻两点。如果不人为干预，最后一个指标点 $P_{N-1}$ 到起点 $P_0$ 之间不会产生连线，从而留下一个明显的缺口。

更严重的是，当调用 ax.fill() 填充半透明区域时，绘图引擎会直接将断点与原点或起点相连，导致填充颜色在最后一个维度处出现严重的不规则撕裂。

解决此问题的方法非常直接：在完成初始角度计算后，分别向 values 与 angles 数组的末尾各追加第一个元素：

values = np.concatenate((values, [values[0]]))
angles = np.concatenate((angles, [angles[0]]))

这样一来，数据点数量由 $N$ 变为 $N+1$，折线自然回绕到起点，形成闭合的凸（或凹）多边形。

3. 极轴旋转与阅读习惯对齐

Matplotlib 极坐标图默认以数学极坐标为准：$0$ 弧度朝向正东（水平向右），且角度按逆时针方向递增。但在信息图表与工业雷达图中，绝大多数用户习惯将第一个核心维度放置在正北正上方，且按顺时针方向依次阅读各个指标。

• ax.set_theta_offset(np.pi / 2)：将整个极坐标系顺时针偏转 90 度，使起始角度对准正上方。
• ax.set_theta_direction(-1)：将角度递增方向从默认的逆时针改为顺时针。

三、进阶示例：多组数据对比雷达图

在实际业务场景（如两名选手的属性对比、多款产品的参数跑分）中，往往需要在同一个雷达图内绘制多组数据。此时需要保持角度统一，只对不同对象的数值数组分别进行闭合拼接，并配置不同的线条颜色与半透明填充度。

import matplotlib.pyplot as plt
import numpy as np

plt.rcParams['font.sans-serif'] = ['PingFang SC', 'Microsoft YaHei', 'SimHei']
plt.rcParams['axes.unicode_minus'] = False

# 维度定义
categories = ['续航能力', '充电速度', '性能表现', '屏幕素质', '拍照画质', '机身质感']
N = len(categories)

# 样本 A 与 样本 B 数值
values_a = [85, 90, 78, 92, 88, 75]
values_b = [70, 75, 95, 85, 70, 90]

# 计算等分弧度
angles = np.linspace(0, 2 * np.pi, N, endpoint=False)

# 统一闭合角度，并对各自数值进行闭合处理
angles_closed = np.concatenate((angles, [angles[0]]))
values_a_closed = np.concatenate((values_a, [values_a[0]]))
values_b_closed = np.concatenate((values_b, [values_b[0]]))

# 创建极坐标画布
fig, ax = plt.subplots(figsize=(7, 7), subplot_kw=dict(polar=True))
ax.set_theta_offset(np.pi / 2)
ax.set_theta_direction(-1)

# 绘制产品 A (砖红色调)
ax.plot(angles_closed, values_a_closed, color='#B96555', linewidth=2, label='旗舰机型 A')
ax.fill(angles_closed, values_a_closed, color='#B96555', alpha=0.2)

# 绘制产品 B (深石青色调)
ax.plot(angles_closed, values_b_closed, color='#3D6B8C', linewidth=2, label='竞品机型 B')
ax.fill(angles_closed, values_b_closed, color='#3D6B8C', alpha=0.2)

# 坐标轴与网格设置
ax.set_xticks(angles)
ax.set_xticklabels(categories, fontsize=11, color='#30363C')
ax.tick_params(pad=12)  # 增加文字与雷达外圈的外边距
ax.set_ylim(0, 100)
ax.set_yticks([25, 50, 75, 100])
ax.set_yticklabels(['25', '50', '75', '100'], fontsize=9, color='#6B7280')
ax.set_rlabel_position(30)

plt.title('旗舰机型多维性能评测对比', fontsize=14, pad=24, weight='bold')
plt.legend(loc='upper right', bbox_to_anchor=(1.2, 1.1))

plt.tight_layout()
plt.show()

四、高频排障与排版调优速查

在实际绘制雷达图时，常会遇到中文字体缺失、维度文字紧贴图表边缘挤压等问题。以下总结了核心解决方案：

五、总结

Matplotlib 绘制基础雷达图的核心不在于复杂的几何计算，而在于清晰掌握极坐标体系下的数据映射规则：

1. 使用 subplot_kw=dict(polar=True) 开启极坐标环境。
2. 通过 np.linspace(..., endpoint=False) 均匀切割全圆弧度。
3. 在绘图前严格执行首尾数据追加，确保多边形边框与填充区域闭合。
4. 借助 set_theta_offset 与 set_theta_direction 修正正北朝向与顺时针视线顺序。

掌握这一标准规范后，即可根据业务指标数量灵活扩展维度，或叠加多组对比样本，输出具备工业级可读性与专业排版的数据可视化图表。