[AITech] 20220211 - Polar Coordination&Radar Chart

학습 내용

이번 포스팅에서는 matplotlib을 이용해 극 좌표계를 다루는 방법에 대해 알아보겠습니다.

Polar Coordination

Polar Coordinate 만들기

서브플롯 ax를 만들 때 projection='polar' 또는 polar=True 파라미터를 전달하면 다음과 같이 극좌표계를 사용할 수 있습니다.

fig = plt.figure()
ax = fig.add_subplot(111, projection='polar') # polar=True
plt.show()

Polar Coordinate 조정하기

• set_rmax : 반지름 조정
• set_rmin을 조정한다면? 도넛형태가 될 수 있을까??
  • 중앙에서 r=1로 시작할 뿐!!
• set_thetamax() : 각도의 max값
• set_thetamin() : 각도의 min값
• set_rticks : 반지름 표기 grid 조정
• set_rlabel_position: 반지름 label이 적히는 위치의 각도 조정

fig = plt.figure()
ax = fig.add_subplot(111, polar=True)

ax.set_rmax(2)
ax.set_rmin(1)
ax.set_thetamin(45)
ax.set_thetamax(135)
ax.set_rticks([1, 1.2, 1.4, 1.6, 1.8, 2.0])
# ax.set_rlabel_position(90)

plt.show()

Polar 기본 차트

• scatter() : 기존 산점도와 같음 (theta, r 순서)

np.random.seed(19680801)

N = 100
r = 2 * np.random.rand(N)
theta = 2 * np.pi * np.random.rand(N)
area = 200 * r**2
colors = theta

fig = plt.figure()
ax = fig.add_subplot(111, projection='polar')
c = ax.scatter(theta, r, c=colors, s=area, cmap='hsv', alpha=0.75)
plt.show()

• bar()
  • Polar coordinate에서의 bar plot은 실질적인 bar 간 크기 비교가 어려우므로 목적에 따라 잘 사용해야 함

np.random.seed(19680801)

N = 6
r = np.random.rand(N)
theta = np.linspace(0, 2*np.pi, N, endpoint=False)

fig = plt.figure()
ax = fig.add_subplot(111, projection='polar')
ax.bar(theta, r, width=0.5, alpha=0.5)
plt.show()

• plot()

np.random.seed(19680801)

N = 1000
r = np.linspace(0, 1, N)
theta = np.linspace(0, 2*np.pi, N)

fig = plt.figure()
ax = fig.add_subplot(111, projection='polar')
ax.plot(theta, r)

plt.show()

• fill()

np.random.seed(19680801)

N = 1000
r = np.linspace(0, 1, N)
theta = np.linspace(0, 2*np.pi, N)

fig = plt.figure()
ax = fig.add_subplot(111, projection='polar')
ax.fill(theta, r)
plt.show()

Radar Chart

Radar Chart는 극 좌표계를 사용하는 대표적인 차트로, 중심점을 기준으로 N개의 변수 값을 표현하며 데이터의 Quality를 표현하기에 좋습니다.

캐릭터 등의 능력치를 표현할 때 자주 사용하죠.

Radar chart의 주의점으로는 다음과 같은 것들이 있습니다.

• 각 feature는 독립적이며, 척도가 같아야 합니다.
• 다각형의 면적이 중요하지만, 이는 feature의 순서에 따라 많이 달라집니다.
• feature의 개수가 많을수록 가독성이 떨어집니다.

여기서는 아래와 같은 Pokemon with Stat 데이터셋을 사용하여 만들어보겠습니다.

pokemon = pd.read_csv('./pokemon.csv')
pokemon.head()

Radar Chart 기본 구성

# 나타낼 feature 선택
stats = ["HP", "Attack", "Defense", "Sp. Atk", "Sp. Def", "Speed"]
values = pokemon.iloc[0][stats].to_list() # [45, 49, 49, 65, 65, 45]

# 각은 2𝜋 를 6등분
theta = np.linspace(0, 2*np.pi, 6, endpoint=False) # [0.         1.04719755 2.0943951  3.14159265 4.1887902  5.23598776]

# 끝 점을 포함하기 위해 마지막 데이터를 포함
fig = plt.figure()
ax = fig.add_subplot(111, projection='polar')

values.append(values[0]) # [45, 49, 49, 65, 65, 45, 45]
theta = theta.tolist() + [theta[0]] # [0.0, 1.0471975511965976, 2.0943951023931953, 3.141592653589793, 4.1887902047863905, 5.235987755982988, 0.0]

ax.plot(theta, values)
ax.fill(theta, values, alpha=0.5)

plt.show()

커스텀 및 조정

• set_thetagrids : 각도에 따른 그리드 및 ticklabels 변경
• set_theta_offset : 시작 각도 변경

fig = plt.figure(figsize=(4, 4))
ax = fig.add_subplot(111, projection='polar')

values = pokemon.iloc[0][stats].to_list()
values.append(values[0])
theta = theta

ax.plot(theta, values)
ax.fill(theta, values, alpha=0.5)

ax.set_thetagrids([n*60 for n in range(6)], stats)
ax.set_theta_offset(np.pi/2)
ax.set_rmax(100)

plt.show()

fig = plt.figure(figsize=(14, 4))

for idx in range(3):
    ax = fig.add_subplot(1,3,idx+1, projection='polar')

    values = pokemon.iloc[idx][stats].to_list()
    values.append(values[0])

    ax.plot(theta, values, color='forestgreen')
    ax.fill(theta, values, color='forestgreen', alpha=0.3)
    
    ax.set_rmax(100)
    ax.set_thetagrids([n*60 for n in range(6)], stats)
    ax.set_theta_offset(np.pi/2)
    
plt.show()

참고 자료

• Radar Chart