百度360必应搜狗淘宝本站头条
当前位置:网站首页 > 热门文章 > 正文

南丁格尔玫瑰图的介绍和多种方法制作探讨及分析

bigegpt 2025-02-15 14:36 7 浏览

1.南丁格尔图



1.1 又叫:南丁格尔玫瑰图、鸡冠花图或极坐标区域图。

1.2 比如:

最近全国的抗击新冠病毒时,央视新闻和人民日报的这几张数据可视化图,很直观、很贴切

反映了当前医护人员逆行且在抗击疫情的第一线。

图1和2




2.为什么选择南丁格尔图呢?

2.1 一个是数据可视化效果明显。

2.2 更重要的是纪念南丁格尔。

2.3 更是符合目前医护人员冲锋在抗击疫情的第一线,向医护人员致敬。


3.南丁格尔介绍

(1820年5月12日-1910年8月13日),

是一位英国护士和统计学家。

于1853年成为伦敦慈善医院的护士长。

是现代西医学上的第一位护士。


4.如何制作南丁格尔图呢?

4.1 网上有介绍商用在线制图软件等,此处略。

4.2 今天我自己探讨尝试其他方法,看看行不行,顺带复习python的相关知识。

=================================

★注意:以下数据不一定真实,仅供学习★

=================================

5.pyecharts法

5.1 代码:

#pyecharts版本v1.0

#xuguojun

#python3.8

#-*- coding: utf-8 -*-

#导出模块

from pyecharts import options as opts

from pyecharts.charts import Pie

#定义数据

name=['辽宁1天','湖南2天','天津3天','河北3天','四川3天','江西3天','安徽3天','上海4天','福建4天','河南4天','山西6天','广西6天','重庆6天','吉林7天','黑龙江8天','云南10天','陕西11天','海南11天','内蒙古12天','江苏12天','甘肃13天','新疆(含兵团)13天','贵州14天','青海25天','西藏32天']

data=[1,2,3,3,3,3,3,4,4,4,6,6,6,7,8,10,11,11,12,12,13,13,14,25,32]

color=['orange','orange','darkorange','darkorange','darkorange','#f47920','#f58220','#d64f44','#d93a49','#a7324a','#8552a1','#694d9f','#694d9f','#2b4490','#2a5caa','#224b8f','#426ab3','#4e72b8','#008792','#65c294','#45b97c','#78a355','#7fb80e','#bed742','#ffc20e']

#注意格式和注释说明

c = (

    #其实就是一个带空心圆的pie饼图

    Pie()

    .add(

        "", #这个空格的双引号不能少

        #注意字典打包法

        [list(z) for z in zip(name, data)],

        # radius第一个外半径,第2个参数内半径

        radius=["20%", "80%"],

        #图形和legend的位置,居中

        #center = [x,y],x为横坐标,y为纵坐标

        center=["50%", "50%"],

        

        is_clockwise=False, #顺时针true,逆时针false

        #rosetype="radius", #radius:扇区圆心角展现数据的百分比

        rosetype="area",  #area:所有扇区圆心角相同,半径展现数据大小

        #这个是false就是不显示带导线的外标签

        #在add内的是局部设定,如果是全局设定那就是.set如下

        label_opts=opts.LabelOpts(is_show=False),

    )

    # set_colors设置颜色,可以用列表形式

    .set_colors(color) #不设置就是默认,这是单独设置的

    .set_global_opts(title_opts=opts.TitleOpts(title="南丁格尔玫瑰图pyecharts法"),

                    # orient="vertical"设置图例垂直

                    legend_opts=opts.LegendOpts(orient="vertical",pos_top="15%",pos_right="2%")

                

    )

)

#显示图,名字和格式,默认根目录下,双击打开即可

c.render('xgbd.html')

5.2 图



6.matplotlib-radar法

6.1 代码:

#xuguojun

#python3.8

#-*- coding: utf-8 -*-

#导出模块

import numpy as np 

import matplotlib.pyplot as plt

from matplotlib.patches import Circle

# 导出通用字体设置

from matplotlib import font_manager 

#facecolor=color='b',linestyle='--' or '-'

#r=-1000,为内圆的半径,向内画圆形

cir = Circle(xy = (0.0, 0.0), radius=1000,color='w')

# 本机设置:华文仿宋=hwfs,引出字体模块和位置

my_font = font_manager.FontProperties(fname="hwfs.ttf",size=20)

#定义对应颜色

color=['orange','orange','darkorange','darkorange','darkorange','#f47920','#f58220','#d64f44','#d93a49','#a7324a','#8552a1','#694d9f','#694d9f','#2b4490','#2a5caa','#224b8f','#426ab3','#4e72b8','#008792','#65c294','#45b97c','#78a355','#7fb80e','#bed742','#ffc20e']

labels =['辽宁1天','湖南2天','天津3天','河北3天','四川3天','江西3天','安徽3天','上海4天','福建4天','河南4天','山西6天','广西6天','重庆6天','吉林7天','黑龙江8天','云南10天','陕西11天','海南11天','内蒙古12天','江苏12天','甘肃13天','新疆(含兵团)13天','贵州14天','青海25天','西藏32天'] # 标签

#建立一个画布

fig=plt.figure() #默认figsize=(8,3),就是800×300

#建立一个坐标系,projection='polar'表示极坐标

ax = fig.add_subplot(111,projection='polar')

ax.add_patch(cir)

#代表从起点np.pi位置,开始加10个,因为width是np.pi/5,所以逐个加角度

#注意0.5pi就是垂直90°开始,但是有一个宽度问题,且i从0取值

x1=[np.pi*0.55+np.pi*i*2/25 for i in range(0,25)]

#雷达背景网格线默认on,设置off就是不显示

ax.axis('off')

#values=[1,2,3,3,3,3,3,4,4,4,6,6,6,7,8,10,11,11,12,12,13,13,14,25,32]

#y1代表扇形bar高低,这里的数值是示意图,如果采用上面的values值,那就显示不好看

y1=[1500,1500,1500,1700,1900,2000,2100,2200,2200,2200,2200,2300,2300,2500,2500,2500,2600,2700,2800,2800,2900,2900,3000,3500,4100]

#注意width 5分之π,就是10个柱子连在一起

#画25组扇形设置,x1位置,高低height,宽度width,颜色设置

ax.bar(x=x1, height=y1,width=np.pi*2/25,color=color,edgecolor='w')

#画中心白色圆圈,半径1000

y2=[1000 for i in range(0,25)]

#w=white=白色

ax.bar(x=x1, height=y2,width=np.pi/5,color='w',edgecolor='w')

#增加u和fontproperties=my_font,可加u可不加u

plt.title(u'南丁格尔玫瑰图matplotlib-radar法',fontproperties=my_font)

plt.show()

6.2 图



7.echarts法:

7.1 代码:注意保存后,文件名:xxx.html













7.2 讲后缀改为xxx.html,双击打开即可

7.3 图



8.excel法

8.1.新建一个excel

注意本机是wps的excel,后缀是xls,与差不多操作

8.2.新建一组25×9的表格,全部为1

图e1



8.3.选中----插入----二维饼图----环形图,如图e2



8.4.点击圆环内圆,单击右键----弹出:选系列1或者1~9都可以,最好是1,就是第1列

调节圆环图内径大小一个合适的内圆

图e3



8.5.然后对局部颜色进行调整,很麻烦。

8.6.完成

图e4


小结完成。

向医护人员致敬!

向南丁格尔护士致敬!

向央视新闻和人民日报的制图人员致敬!

相关推荐

机器学习分类模型评估(三)-F值(F-Measure)、AUC、P-R曲线

概述上二篇文章分别讲述了准确率(accuracy)、精确率(Precision)、查准类、召回率(Recall)、查全率、ROC曲线,本文讲述机器学习分类模型评估中的F值(F-Measure)、AUC...

SPSS ROC曲线诊断临界值确定

ROC曲线是在临床医学和流行病学研究中一种常用的在诊断试验、预测模型中用于决定最佳临界点的方法。ROC曲线用真阳性率和假阳性率作图得出曲线,其横轴表示假阳性率(1-特异度),纵轴表示真阳性率(灵敏度)...

分类器模型检测--ROC曲线和AUC值

在监督学习建模中有一个重要的模块是模块的检测,就是怎样判断一个模型的好坏?那么常用的的检测的指标有P值、R值、F值、ROC曲线、AUC值等,今天来学习他们都是怎么来的,有什么用处。这里为二分类问题,即...

【Python机器学习系列】建立梯度提升模型预测心脏疾病

这是Python机器学习系列原创文章,我的第204篇原创文章。一、引言对于表格数据,一套完整的机器学习建模流程如下:针对不同的数据集,有些步骤不适用即不需要做,其中橘红色框为必要步骤,由于数据质量较高...

如何Keras自动编码器给极端罕见事件分类

全文共7940字,预计学习时长30分钟或更长本文将以一家造纸厂的生产为例,介绍如何使用自动编码器构建罕见事件分类器。现实生活中罕见事件的数据集:背景1.什么是极端罕见事件?在罕见事件问题中,数据集是...

机器学习分类问题:9个常用的评估指标总结

对机器学习的评估度量是机器学习核心部分,本文总结分类问题常用的metrics分类问题评估指标在这里,将讨论可用于评估分类问题预测的各种性能指标1ConfusionMatrix这是衡量分类问题性能的...

基于R语言的ROC曲线绘制及最佳阈值点(Cutoff)选择

ROC曲线在介绍ROC曲线之前,我们首先需要介绍混淆矩阵(ConfusionMatrix)。在统计分类模型的评估过程中分别统计分类模型归错类,归对类的观测值个数,然后把结果放在一个表里展示出来的表格...

R数据分析:多分类问题预测模型的ROC做法及解释

有同学做了个多分类的预测模型,结局有三个类别,做的模型包括多分类逻辑回归、随机森林和决策树,多分类逻辑回归是用ROC曲线并报告AUC作为模型评估的,后面两种模型报告了混淆矩阵,审稿人就提出要统一模型评...

SPSS实战:多个指标ROC曲线方向不一致的解决办法汇总(收藏)

在诊断实验和预测模型的临床效能评价中,我们常常用到ROC曲线分析。在SPSS中绘制ROC曲线操作比较简单,但如果将多个指标的ROC曲线绘制在同一个图中,有时候会碰到有些指标的ROC曲线在对角线上面,一...

小果教你快速分析ROC生存曲线图

尔云间一个专门做科研的团队原创小果生信果小伙伴们,大家好呀,很高兴和大家见面,前段时间应小伙伴出的解读ROC曲线图,小伙伴反应很是积极,这不最近小伙伴对于不同年份的ROC曲线图的分析呼声很高,...

生信文章中高频出现、模型评估必备分析——ROC曲线图,怎么看?

尔云间一个专门做科研的团队关注我们做了生信分析,拿到一堆数据,看不懂图怎么办?火山图、热图、散点图、箱线图、瀑布图···这么多类型的图都咋看?风险模型预后评估图、GO-KEGG富集分析图、GSEA...

如何看懂文献里那些图——ROC曲线图

ROC曲线的基本思想是把敏感度和特异性看作一个连续变化的过程,用一条曲线描述诊断系统的性能,其制作原理是在连续变量中不同界值点处计算相对应的灵敏度和特异度,然后以敏感度为纵坐标、1-特异性为横坐标绘制...

超强,必会的机器学习评估指标

大侠幸会,在下全网同名[算法金]0基础转AI上岸,多个算法赛Top[日更万日,让更多人享受智能乐趣]构建机器学习模型的关键步骤是检查其性能,这是通过使用验证指标来完成的。选择正确的验证指...

准确性检验 (ROC曲线)的SPSS操作教程及结果解读

作者/风仕在上一期,我们已经讲完了诊断试验的基础知识,这期开始讲准确性检验(ROC曲线),我们主要从准确性检验(ROC曲线)的介绍、基本概念、绘制原理、统计量、使用条件及案例的SPSS操作演示这几...

SPSS:ROC 曲线为什么反了?

【作者介绍】李志辉,长期从事各类统计软件应用研究,主编或参编SPSS、MINITAB、STATISTICA多个统计软件教材共8本。代表作:电子工业出版社《SPSS常用统计分析教程(SPSS22.0中...