レーダーチャートは複数の項目を正多角形上に表現したグラフになります．各項目のデータのバランスを確認する際によく用いられます．
PythonのMatplotlibでは，このレーダーチャートを表示するための専用の関数は用意されておらず，クラスとして描画する方法が紹介されています．
そこで本記事では，そのクラスで描画する方法について詳しく解説し，Matplotlibでレーダーチャートを簡単に表示する方法を解説します．
また，クラスを用いてレーダーチャートを表示するため，クラスの基本的な仕組みから各関数の役割まで説明しています．
目次
レーダーチャートを簡単に表示する
PythonのMatplotlibでは，レーダーチャートを表示するための専用の関数は用意されておらず，クラスを用いて描画します
まず，用意されたデータを用いて，グラフの数を変更しながらレーダーチャートを簡単に表示させます
4つのシナリオでの5因子の関連性を表現する
公式ドキュメントで紹介されているレーダーチャートは，4つのシナリオを想定した際の5因子の関連性を表現しています
関数example_data()に5行9列のデータが4種類格納されており，関数radar_factory()を用いてレーダーチャートを表示しています
import numpy as np
import matplotlib.pyplot as plt
from matplotlib.patches import Circle, RegularPolygon
from matplotlib.path import Path
from matplotlib.projections.polar import PolarAxes
from matplotlib.projections import register_projection
from matplotlib.spines import Spine
from matplotlib.transforms import Affine2D
def radar_factory(num_vars, frame='circle'):
"""
num_vars（int型）の軸を持つレーダーチャートを作成する．
この関数は，RadarAxesプロジェクションを作成し，登録する．
Parameters
----------
num_vars : int
レーダーチャート用の変数の数
frame : {'circle', 'polygon'}
軸を囲む枠の形状
"""
# 軸角を均等にする
theta = np.linspace(0, 2*np.pi, num_vars, endpoint=False)
class RadarTransform(PolarAxes.PolarTransform):
def transform_path_non_affine(self, path):
# 非単位の補間ステップを持つパスはグリッドラインに対応し,
# （PolarTransformの円弧への自動変換を無効にするために）補間を強制する
if path._interpolation_steps > 1:
path = path.interpolated(num_vars)
return Path(self.transform(path.vertices), path.codes)
class RadarAxes(PolarAxes):
name = 'radar'
# 指定した点間を1本の線分で結ぶ
RESOLUTION = 1
PolarTransform = RadarTransform
def __init__(self, *args, **kwargs):
super().__init__(*args, **kwargs)
# 第一軸が上になるようにプロットを回転させる
self.set_theta_zero_location('N')
def fill(self, *args, closed=True, **kwargs):
"""fillを上書きし、デフォルトで行を閉じるようにする"""
return super().fill(closed=closed, *args, **kwargs)
def plot(self, *args, **kwargs):
"""デフォルトで線が閉じるようにplotを上書きする"""
lines = super().plot(*args, **kwargs)
for line in lines:
self._close_line(line)
def _close_line(self, line):
x, y = line.get_data()
# FIXME: x[0],y[0]のマーカーが2倍になる
if x[0] != x[-1]:
x = np.append(x, x[0])
y = np.append(y, y[0])
line.set_data(x, y)
def set_varlabels(self, labels):
self.set_thetagrids(np.degrees(theta), labels)
def _gen_axes_patch(self):
# Axesパッチは軸座標で (0.5, 0.5) を中心とし，半径 0.5である必要がある
if frame == 'circle':
return Circle((0.5, 0.5), 0.5)
elif frame == 'polygon':
return RegularPolygon((0.5, 0.5), num_vars,
radius=.5, edgecolor="k")
else:
raise ValueError("Unknown value for 'frame': %s" % frame)
def _gen_axes_spines(self):
if frame == 'circle':
return super()._gen_axes_spines()
elif frame == 'polygon':
# spine_typeは必ず'left'/'right'/'top'/'bottom'/'circle'
spine = Spine(axes=self,
spine_type='circle',
path=Path.unit_regular_polygon(num_vars))
# unit_regular_polygon は (0, 0) を中心とする半径 1 の多角形を与える
# しかし 軸座標で(0.5, 0.5)を中心とする半径0.5の多角形が欲しい
spine.set_transform(Affine2D().scale(.5).translate(.5, .5)
+ self.transAxes)
return {'polar': spine}
else:
raise ValueError("Unknown value for 'frame': %s" % frame)
register_projection(RadarAxes)
return theta
def example_data():
data = [
['Sulfate', 'Nitrate', 'EC', 'OC1', 'OC2', 'OC3', 'OP', 'CO', 'O3'],
('Basecase', [
[0.88, 0.01, 0.03, 0.03, 0.00, 0.06, 0.01, 0.00, 0.00],
[0.07, 0.95, 0.04, 0.05, 0.00, 0.02, 0.01, 0.00, 0.00],
[0.01, 0.02, 0.85, 0.19, 0.05, 0.10, 0.00, 0.00, 0.00],
[0.02, 0.01, 0.07, 0.01, 0.21, 0.12, 0.98, 0.00, 0.00],
[0.01, 0.01, 0.02, 0.71, 0.74, 0.70, 0.00, 0.00, 0.00]]),
('With CO', [
[0.88, 0.02, 0.02, 0.02, 0.00, 0.05, 0.00, 0.05, 0.00],
[0.08, 0.94, 0.04, 0.02, 0.00, 0.01, 0.12, 0.04, 0.00],
[0.01, 0.01, 0.79, 0.10, 0.00, 0.05, 0.00, 0.31, 0.00],
[0.00, 0.02, 0.03, 0.38, 0.31, 0.31, 0.00, 0.59, 0.00],
[0.02, 0.02, 0.11, 0.47, 0.69, 0.58, 0.88, 0.00, 0.00]]),
('With O3', [
[0.89, 0.01, 0.07, 0.00, 0.00, 0.05, 0.00, 0.00, 0.03],
[0.07, 0.95, 0.05, 0.04, 0.00, 0.02, 0.12, 0.00, 0.00],
[0.01, 0.02, 0.86, 0.27, 0.16, 0.19, 0.00, 0.00, 0.00],
[0.01, 0.03, 0.00, 0.32, 0.29, 0.27, 0.00, 0.00, 0.95],
[0.02, 0.00, 0.03, 0.37, 0.56, 0.47, 0.87, 0.00, 0.00]]),
('CO & O3', [
[0.87, 0.01, 0.08, 0.00, 0.00, 0.04, 0.00, 0.00, 0.01],
[0.09, 0.95, 0.02, 0.03, 0.00, 0.01, 0.13, 0.06, 0.00],
[0.01, 0.02, 0.71, 0.24, 0.13, 0.16, 0.00, 0.50, 0.00],
[0.01, 0.03, 0.00, 0.28, 0.24, 0.23, 0.00, 0.44, 0.88],
[0.02, 0.00, 0.18, 0.45, 0.64, 0.55, 0.86, 0.00, 0.16]])
]
return data
if __name__ == '__main__':
N = 9
theta = radar_factory(N, frame='polygon')
data = example_data()
spoke_labels = data.pop(0)
fig, axs = plt.subplots(figsize=(9, 9), nrows=2, ncols=2,
subplot_kw=dict(projection='radar'))
fig.subplots_adjust(wspace=0.25, hspace=0.20, top=0.85, bottom=0.05)
colors = ['b', 'r', 'g', 'm', 'y']
# 例題データから4つのケースを別々の軸にプロット
for ax, (title, case_data) in zip(axs.flat, data):
ax.set_rgrids([0.2, 0.4, 0.6, 0.8])
ax.set_title(title, weight='bold', size='medium', position=(0.5, 1.1),
horizontalalignment='center', verticalalignment='center')
for d, color in zip(case_data, colors):
ax.plot(theta, d, color=color)
ax.fill(theta, d, facecolor=color, alpha=0.25, label='_nolegend_')
ax.set_varlabels(spoke_labels)
# 左上のプロットに相対的な凡例を追加
labels = ('Factor 1', 'Factor 2', 'Factor 3', 'Factor 4', 'Factor 5')
legend = axs[0, 0].legend(labels, loc=(0.9, .95),
labelspacing=0.1, fontsize='small')
fig.text(0.5, 0.965, '5-Factor Solution Profiles Across Four Scenarios',
horizontalalignment='center', color='black', weight='bold',
size='large')
plt.show()
2つのシナリオでの5因子の関連性を表現する
4つから2つにシナリオを減らします．基本的に変更する箇所は if __name__ == ‘__main__’: より下部のコードだけです．
変更箇所
- figsize : (9, 9)→(9, 5)
- nrows : 2 → 1
- axs : [0, 0] → [0]
figsizeはどちらでもよいですが，nrowsとaxsは必須項目です．
if __name__ == '__main__':
N = 9
theta = radar_factory(N, frame='polygon')
data = example_data()
spoke_labels = data.pop(0)
# figsize=(9, 9)→(9, 5)
# nrows=2→1
fig, axs = plt.subplots(figsize=(9, 5), nrows=1, ncols=2,
subplot_kw=dict(projection='radar'))
fig.subplots_adjust(wspace=0.25, hspace=0.20, top=0.85, bottom=0.05)
colors = ['b', 'r', 'g', 'm', 'y']
# 例題データから4つのケースを別々の軸にプロット
for ax, (title, case_data) in zip(axs.flat, data):
ax.set_rgrids([0.2, 0.4, 0.6, 0.8])
ax.set_title(title, weight='bold', size='medium', position=(0.5, 1.1),
horizontalalignment='center', verticalalignment='center')
for d, color in zip(case_data, colors):
ax.plot(theta, d, color=color)
ax.fill(theta, d, facecolor=color, alpha=0.25, label='_nolegend_')
ax.set_varlabels(spoke_labels)
# 左上のプロットに相対的な凡例を追加
labels = ('Factor 1', 'Factor 2', 'Factor 3', 'Factor 4', 'Factor 5')
# axs[0, 0]→axs[0]
legend = axs[0].legend(labels, loc=(0.9, .95),
labelspacing=0.1, fontsize='small')
fig.text(0.5, 0.965, '5-Factor Solution Profiles Across Four Scenarios',
horizontalalignment='center', color='black', weight='bold',
size='large')
plt.show()1つのシナリオだけでの5因子の関連性を表現する
シンプルにレーダーチャートを1つだけ表示します．同様に変更する箇所は if __name__ == ‘__main__’: より下部のコードだけです．
変更箇所
- axs → ax
- nrows=2, ncols=2 → nrows=1, ncols=1
- axs[0, 0] → ax
nrows, ncolsを両方とも1に指定（もしくは指定なし）にすると，配列ではなく単一のAxesインスタンスになります．そのため，変数をaxに変えます．
データ例からの1つめのケースのみ取り出すために，title, case_data = data[0]として，for文を削除しています
if __name__ == '__main__':
N = 9
theta = radar_factory(N, frame='polygon')
data = example_data()
spoke_labels = data.pop(0)
# axs → ax
# nrows=2, ncols=2 → nrows=1, ncols=1
fig, ax = plt.subplots(figsize=(9, 9), nrows=1, ncols=1,
subplot_kw=dict(projection='radar'))
fig.subplots_adjust(wspace=0.25, hspace=0.20, top=0.85, bottom=0.05)
colors = ['b', 'r', 'g', 'm', 'y']
# データ例からの1つめのケースのみ取り出し
title, case_data = data[0]
ax.set_rgrids([0.2, 0.4, 0.6, 0.8])
ax.set_title(title, weight='bold', size='medium', position=(0.5, 1.1),
horizontalalignment='center', verticalalignment='center')
for d, color in zip(case_data, colors):
ax.plot(theta, d, color=color)
ax.fill(theta, d, facecolor=color, alpha=0.25, label='_nolegend_')
ax.set_varlabels(spoke_labels)
# 左上のプロットに相対的な凡例を追加
labels = ('Factor 1', 'Factor 2', 'Factor 3', 'Factor 4', 'Factor 5')
# axs[0, 0] → ax
legend = ax.legend(labels, loc=(0.9, .95),
labelspacing=0.1, fontsize='small')
fig.text(0.5, 0.965, '5-Factor Solution Profiles Across Four Scenarios',
horizontalalignment='center', color='black', weight='bold',
size='large')
plt.show()
レーダーチャートのデータを入れ替える
レーダーチャートに使うデータを入れ替える方法について解説します．因子と要素をそれぞれ変更していきます．
3因子の9要素に対する関連性を表現する
レーダーチャートの因子の数を3に減らします．変更する箇所は def example_data(): の関数内部のdataだけです．
変更箇所
- data：[
[グラフの要素],
(グラフのシナリオタイトル), [
# 下記のグラフデータを2行削除
[グラフデータが5行入っていました],
[それを3行に変更しました],
[行数 ＝ 因子の数]
]
]
関数 def example_data() 内のdataの行数が因子の数になります．
def example_data():
data = [
['Sulfate', 'Nitrate', 'EC', 'OC1', 'OC2', 'OC3', 'OP', 'CO', 'O3'],
('Basecase', [
# 2行削除
[0.88, 0.01, 0.03, 0.03, 0.00, 0.06, 0.01, 0.00, 0.00],
[0.07, 0.95, 0.04, 0.05, 0.00, 0.02, 0.01, 0.00, 0.00],
[0.01, 0.01, 0.02, 0.71, 0.74, 0.70, 0.00, 0.00, 0.00]])
]
return data
3因子の7要素に対する関連性を表現する
レーダーチャートの因子の数を3，要素の数を7に減らします．変更する箇所は def example_data(): の関数内部のdataと if __name__ == ‘__main__’: より下部のNです．
変更箇所
- data (def example_data():)：[
# 下記のグラフの要素を2列削除
[グラフの要素を7列に変更],
(グラフのシナリオタイトル), [
# 下記のグラフデータを2列削除
[グラフデータが9列入っていました],
[それを7列に変更しました],
[列数 ＝ 要素の数]
]
] - N (if name == ‘main’:)：9 → 7
関数 def example_data() 内のdataの列数が要素の数になります．そして，if name == ‘main’: 下部のNを要素の数に合わせて変更してください．
def example_data():
data = [
# 2列削除
['Sulfate', 'Nitrate', 'EC', 'OC1', 'OC2', 'OC3', 'OP'],
('Basecase', [
# 2列削除
[0.88, 0.01, 0.03, 0.03, 0.00, 0.06, 0.01],
[0.07, 0.95, 0.04, 0.05, 0.00, 0.02, 0.01],
[0.01, 0.01, 0.02, 0.71, 0.74, 0.70, 0.00]])
]
return data
if __name__ == '__main__':
# 9 → 7
N = 7
theta = radar_factory(N, frame='polygon')
data = example_data()
spoke_labels = data.pop(0)
fig, ax = plt.subplots(figsize=(9, 9), nrows=1, ncols=1,
subplot_kw=dict(projection='radar'))
fig.subplots_adjust(wspace=0.25, hspace=0.20, top=0.85, bottom=0.05)
colors = ['b', 'r', 'g', 'm', 'y']
# example_data()からの1つめのケースのみ取り出し
title, case_data = data[0]
ax.set_rgrids([0.2, 0.4, 0.6, 0.8])
ax.set_title(title, weight='bold', size='medium', position=(0.5, 1.1),
horizontalalignment='center', verticalalignment='center')
for d, color in zip(case_data, colors):
ax.plot(theta, d, color=color)
ax.fill(theta, d, facecolor=color, alpha=0.25, label='_nolegend_')
ax.set_varlabels(spoke_labels)
# 左上のプロットに相対的な凡例を追加
labels = ('Factor 1', 'Factor 2', 'Factor 3')
legend = ax.legend(labels, loc=(0.9, .95),
labelspacing=0.1, fontsize='small')
fig.text(0.5, 0.965, '3-Factor Solution Profiles in 7-Elements',
horizontalalignment='center', color='black', weight='bold',
size='large')
plt.show()
参考文献
レーダーチャートの公式ドキュメント
コメント