制作玫瑰图很简单，不仅可以使用在线网站制作，还可以直接写代码生成，“满满地炫酷感”，这里给大家推荐四种轻松制作玫瑰图的方法：在线图表法、Excel插件法、PowerBl视觉对象法、Pyecharts代码法，如下是具体制作的难易程度：
在线图表法 难易程度：★
Excel插件法 难易程度：★★
PowerBl视觉对象法 难易程度：★★★
Pyecharts代码法 难易程度：★★★★★
下面一起学习玫瑰图如何制作。
01. 在线图表法
首先，推荐镝数图表，镝数图表是一款功能强大的在线数据可视化工具，只要输入数据即可一键生成高级图表，例如数据动图、矢量图表、信息图表，支持词云图、桑基图、玫瑰图等图表生成。
镝数图表：http://dycharts.com
比如这里使用镝数图表的免费模板生成各国人均阅读花费玫瑰图，仅需要导入数据即可生成。
其次，推荐图表秀，图表秀是简单好用的在线图表制作网站，支持快速制作各种传统图表和高级可视化图表，提供精美的排版样式和多维数据分析图表，让图表制作变的很简单。
图表秀：http://www.tubiaoxiu.com/
使用图表秀需要创建一个图表，在图表模板里面选择玫瑰图，只需要导入数据即可，除此之外，可以对图表做一些美化和修改。
02. Excel插件
Excel插件推荐使用tusimple BI，tusimple BI可创建多种精美的图表，是一款专业的Excel 商务图表绘制插件，拥有超过120+项图表功能，傻瓜式一键出图，帮助用户轻松、高效地制作Excel所不能制作的高级图表，从此图表制作不再是难题。
tusimple BI：http://www.tusimpleBI.com/
使用tusimple BI让Excel增加了更为丰富的可视化库，既有瀑布图、马赛克图、增长箭头等咨询公司专属图表，也有华夫图、玫瑰图、桑基图等时尚流行的信息图表，这些图表100%采用Excel原生图表制作，完全和内置图表属性一样，随数据变化而自动更新。
以下所有图表均使用tusimpleBI图表插件制作完成，在Excel中一键出图，任何人都可以轻松完成，tusimpleBI让图表更简单！让每个人都能自由地进行数据可视化表达！
要创建玫瑰图，只需框选数据区域，在tusimpleBI插件里选择玫瑰图即可快速生成玫瑰图，如下是使用tusimpleBI插件创建的全国房价数据玫瑰图。
03. PowerBI视觉对象
学习tusimpleBI插件后，可尝试使用PowerBI软件，该软件是微软旗下的软件，可以很好的衔接Excel工具的使用，PowerBI软件不仅可以做数据处理，还可以做数据可视化，并且有多样的视觉对象，丰富了图表内容，比如这里使用Aster Plot视觉对象来创建玫瑰图。
将玫瑰图添加值可视化图表中，选择玫瑰图，导入对应的类别字段和Y轴的字段，即可生成玫瑰图。
如下用PowerBI生成不同省份销售数的玫瑰图。
此外，PowerBI中内置了很多视觉对象，比如这里使用RadialBarChart径向条形图用来展示分类字段的数据达成情况，展示各个市的体育代表团奖牌数据情况。
还有Animated Bar Chart Race可以动态演示数据达成，这里动态演示不同月份手机品牌数的动态变化，PowerBI软件所有的视觉对象都是内置的，使用起来轻松、方便。
04. Pyecharts
最后是重头戏，给大家介绍的是pyecharts，需一定的代码能力，什么是pyecharts？Echarts 是一个由百度开源的数据可视化，凭借着良好的交互性，精巧的图表设计，得到了众多开发者的认可，而 Python 是一门富有表达力的语言，很适合用于数据处理。当数据分析遇上数据可视化时，pyecharts 诞生了。
Pyecharts具有简洁的 API 设计，使用如丝滑般流畅，支持链式调用，囊括了 30+ 种常见图表，应有尽有，支持主流 Notebook 环境，Jupyter Notebook 和 JupyterLab，拥有高度灵活的配置项，可轻松搭配出精美的图表。
Pyecharts强大的数据交互功能，使数据表达信息更加生动，增加了人机互动效果，并且数据呈现效果可直接导出为html文件，增加数据结果交互的机会，使得信息沟通更加容易。
Pyecharts有着丰富的图表素材，支持链式调用，如下调用pyecharts库里面的Pie图表，用来创建玫瑰图，rosetype参数用于设置是否展示成南丁格尔玫瑰图，默认None不展示成玫瑰图，设置rosetype="radius"，用扇形圆心角展现数据的百分比，通过半径展现数据大小。
import pandas as pd
from pyecharts.charts import Pie
from pyecharts import options as opts
df=pd.read_excel(r'C:\Users\\Desktop\电商销售数据.xlsx')
df=df.groupby('省份')['销售数'].sum().reset_index()
df = df.sort_values(by='销售数',ascending=False)
cate =df['省份'].to_list()
data = df['销售数'].to_list()
#玫瑰图美化
pie = Pie(init_opts=opts.InitOpts(width='800px', height='600px', bg_color='white'))
pie.add('',[list(z) for z in zip(cate, data)],radius=['10%', '70%'],center=['50%', '50%'], rosetype="radius"
).set_series_opts(label_opts=opts.LabelOpts(formatter="{b}: {c}")#设置数据标签
).set_global_opts(title_opts=opts.TitleOpts(title='各省份销售数据玫瑰图',pos_left='350',pos_top='20',
title_textstyle_opts=opts.TextStyleOpts(color='black', font_size=16)),
legend_opts=opts.LegendOpts(is_show=False)#去除图例
).set_colors(
['rgb({b},0,{r})'.format(r=450-10(len(df)-x+1), b=200-10x) for x in range(len(df))])#设置渐变颜色
pie.render_notebook()如下创建了一个关于各省份销售数据的玫瑰图，使用代码调用pyecharts库，并导入案例数据，并且调整玫瑰图的视图参数，使得玫瑰图有更好的视觉呈现，直观上可以突出重要数据。
总结来说，使用不同的数据可视化工具所最终呈现的玫瑰图视觉效果是不一样的，并且，其图表创建的难易程度也不同，大家在制作玫瑰图的时候，可以综合选择一个自己容易上手的工具，玫瑰图的制作不在于使用什么工具制作，重要的是如何呈现才能最终表达数据背后的结果。
