绘制风玫瑰图
# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#-------设置支持中文----------------------#
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['SimHei'] #设置简黑字体
mpl.rcParams['axes.unicode_minus'] = False
#-------自定义坐标轴刻度格式----------------#
from matplotlib.ticker import FuncFormatter
创建数据集：
np.random.seed(0)
data = pd.DataFrame(np.random.randint(20, 300, (4, 16)),
index=['0~0.2', '0.3~1.5', '1.6~3.3', '3.4~5.4'],
columns='N NNE NE ENE E ESE SE SSE S SSW SW WSW W WNW NW NNW'.split())
data #风速选择了4段，每列数据表示各方向风速的频数统计值
NNNENEENEEESESESSESSSWSWWSWWWNWNWNNW0~0.2192671372122712152923129726210790108213591070.3~1.519410818545922851352632171191972631671672852051.6~3.314752512222641711832034814814873582642931253.4~5.46251277771392871021111197314110422328267147
绘制频数风速玫瑰图：
N = 16 # 风速分布为16个方向
theta = np.linspace(0, 2*np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N # 绘制扇型的宽度，可以自行调整
labels = list(data.columns) # 自定义坐标标签为 N ， NSN， ……
# 开始绘图
plt.figure(figsize=(8,8))
ax = plt.subplot(111, projection='polar')
for idx in data.index:
# 每一行绘制一个扇形
radii = data.loc[idx] # 每一行数据
ax.bar(theta, radii, width=width, bottom=0.0, label=idx, tick_label=labels)
plt.title('风玫瑰图示意图')
plt.legend(loc=4, bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()
已经可以初步满足需求了，不过我们发现N位置差了90°，而且为了满足‘上北下南左西右东’的习惯，需要逆时针方向绘制。所以做两个修改：
N = 16 # 风速分布为16个方向
theta = np.linspace(0, 2*np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N # 绘制扇型的宽度，可以自行调整
labels = list(data.columns) # 自定义坐标标签为 N ， NSN， ……
# 开始绘图
plt.figure(figsize=(8,8))
ax = plt.subplot(111, projection='polar')
for idx in data.index:
# 每一行绘制一个扇形
radii = data.loc[idx] # 每一行数据
ax.bar(theta, radii, width=width, bottom=0.0, label=idx, tick_label=labels)
#------------------------------------#
ax.set_theta_zero_location('N') #设置零度方向北
ax.set_theta_direction(-1) # 逆时针方向绘图
plt.title('风玫瑰图示意图')
plt.legend(loc=4, bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()
这样基本满足我们的需求了，但是有的时候我们需要绘制百分比玫瑰图，下面我们讨论如何制作百分比风玫瑰图：
数据转化为百分比
_sum = data.apply(np.sum)
data = data / _sum
data
NNNENEENEEESESESSESSSWSWWSWWWNWNWNNW0~0.20.3226890.2410070.2107690.3812950.3537860.2244260.0645880.2858910.4361230.4352160.1804380.1698110.1942450.2300220.0838070.1832190.3~1.50.3260500.3884890.2846150.0809350.1201040.2974950.3006680.3254950.3186490.1976740.3322090.4962260.3003600.1803460.4048300.3510271.6~3.30.2470590.1870500.0784620.3992810.3446480.1784970.4075720.2512380.0704850.2458470.2495780.1377360.1043170.2850970.4161930.2140413.4~5.40.1042020.1834530.4261540.1384890.1814620.2995820.2271710.1373760.1747430.1212620.2377740.1962260.4010790.3045360.0951700.251712
数据转化成功，我们绘制图片唯一要修改的就是yaxis（本质是bar图，我们仔细观察上面的图不难发现原因）刻度的表达，将其转化为百分比：
N = 16 # 风速分布为16个方向
theta = np.linspace(0, 2*np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N # 绘制扇型的宽度，可以自行调整
labels = list(data.columns) # 自定义坐标标签为 N ， NSN， ……
# 开始绘图
plt.figure(figsize=(8,8))
ax = plt.subplot(111, projection='polar')
for idx in data.index:
# 每一行绘制一个扇形
radii = data.loc[idx] # 每一行数据
ax.bar(theta, radii, width=width, bottom=0.0, label=idx, tick_label=labels)
#------------------------------------#
ax.set_theta_zero_location('N') #设置零度方向北
ax.set_theta_direction(-1) # 逆时针方向绘图
#--------自定义yaxis的刻度格式-----------#
plt.gca().yaxis.set_major_formatter(FuncFormatter(lambda s, position: '{:.0f}%'.format(100*s)))
plt.title('风玫瑰图示意图')
plt.legend(loc=4, bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()
数据遮挡处理
细心的同学可能已经发现，由于数据绘制是按行来绘制的，那么如果先绘制的数据值比较小的话，会被后面的数据遮挡。以风频数据为例，处理思路如下：
按列绘制数据（先处理同一风向的数据）每列中先将数值较大的绘制出来-解决遮挡的问题最后一列处理下图例
此外加入了自定义颜色（根据风向分类条数自定义）
完整代码如下
# 导入包
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
#-------设置支持中文----------------------#
import matplotlib as mpl
mpl.rcParams['font.sans-serif'] = ['PingFang HK'] #设置字体
mpl.rcParams['axes.unicode_minus'] = False
def plot_bar(ax, theta, values, width, colors):
plt_data = [(i, values[i]) for i in range(len(values))]
for idx, data in sorted(plt_data, key=lambda s: s[-1], reverse=True):
ax.bar(theta, data, width, color=colors[idx])
def lengend_plot(ax, theta, values, width, colors):
plt_data = [(i, values[i]) for i in range(len(values))]
for idx, data in sorted(plt_data, key=lambda s: s[-1], reverse=True):
p = ax.bar(theta, data, width, color=colors[idx])
yield (idx, p)
if __name__ == "__main__":
# 生成数据
np.random.seed(0)
data = pd.DataFrame(np.random.randint(20, 300, (4, 8)),
index=['0~0.2', '0.3~1.5', '1.6~3.3', '3.4~5.4'],
columns='N NE E SE S SW W NW'.split())
N = data.shape[-1] # 由数据模板获取风向类别
theta = np.linspace(0, 2 * np.pi, N, endpoint=False) # 获取16个方向的角度值
width = np.pi / N # 绘制扇型的宽度，可以自行调整
labels = data.columns.to_list() # 获取标签
colors = ['#060080', '#00D5FF', '#FFE600',
'#800000'] # 自定义颜色，颜色的尺寸必须与数据的分类条数一致
# 开始绘图
plt.figure(figsize=(10, 8))
ax = plt.subplot(111, projection='polar')
for i in range(N - 1):
values = data.iloc[:, i].to_list()
plot_bar(ax, theta[i], values, width, colors)
handles = lengend_plot(ax, theta[N - 1], data.iloc[:, N - 1], width,
colors)
handles = [p for idx, p in sorted(handles, key=lambda s: s[0])]
ax.set_xticks(theta) # 自定义坐标轴标签
ax.set_xticklabels(labels)
ax.set_theta_zero_location('N') #设置零度方向北
ax.set_theta_direction(-1) # 逆时针方向绘图
plt.title('风玫瑰图示意图')
plt.legend(handles, data.index, loc=4,
bbox_to_anchor=(1.15, -0.07)) # 将label显示出来， 并调整位置
plt.show()
绘制结果 如果喜欢的话欢迎👍点赞评论，⭐️github地址欢迎star、flow!