跳到主要内容

雷达图

雷达图(蜘蛛图)每根辐射轴放一个变量,用离中心的距离编码它的取值。几个系列就在这张蛛网上画成多边形,于是轮廓一眼 可比 —— 它也正因此活到了今天,尽管批评不少。

WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/radar.tsv'))
SELECT kuva_render(to_json({
'title': 'Tool comparison',
'series': [{
'type': 'radar',
'axes': ['Sensitivity', 'Specificity', 'Precision', 'F1', 'AUC'],
'series': (SELECT list({'label': tool,
'values': [Sensitivity, Specificity, Precision, F1, AUC]}
ORDER BY tool) FROM d),
'range': [0, 1],
'show_legend': true
}]
})) AS chart;

轴从正上方开始、按你列出的顺序顺时针排。系列的 values 必须每根轴一个值、顺序一致 —— 正是这个按位置配对 把每个数字放到了对的辐条上。

填充多边形​

filled 给多边形填色,opacity(默认 0.25)让重叠处还读得出来。共享的 range 在这时很重要:几根轴同一量纲 时,用一个刻度才是诚实的。

WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/radar.tsv'))
SELECT kuva_render(to_json({
'title': 'Filled profiles',
'series': [{
'type': 'radar',
'axes': ['Sensitivity', 'Specificity', 'Precision', 'F1', 'AUC'],
'series': (SELECT list({'label': tool,
'values': [Sensitivity, Specificity, Precision, F1, AUC]}
ORDER BY tool) FROM d),
'filled': true,
'opacity': 0.2,
'range': [0, 1],
'dot_size': 4,
'show_legend': true
}]
})) AS chart;

归一化的轴​

几根轴量纲不同时 —— 速度是 km/h、体重是 kg、某率是一个小数 —— normalize 把每根轴各自映射到 [0, 1], 网格标签也变成百分比。这是把不可比的量放到同一张雷达图上的唯一办法,也是把「它们到底多不可比」藏起来的办法。

WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/radar.tsv'))
SELECT kuva_render(to_json({
'title': 'Normalised axes',
'series': [{
'type': 'radar',
'axes': ['Sensitivity', 'Specificity', 'Precision', 'F1', 'AUC'],
'series': (SELECT list({'label': tool,
'values': [Sensitivity, Specificity, Precision, F1, AUC]}
ORDER BY tool) FROM d),
'normalize': true,
'filled': true,
'show_legend': true
}]
})) AS chart;

逐轴误差​

系列可以带 errors(每根轴一个 ± 值),于是在每根辐条上都会画出 值 − 误差 到 值 + 误差 的阴影带。每根轴各有 各的不确定度时,这是让雷达图保持诚实的办法。

WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/radar.tsv'))
SELECT kuva_render(to_json({
'title': 'With error bands',
'series': [{
'type': 'radar',
'axes': ['Sensitivity', 'Specificity', 'Precision', 'F1', 'AUC'],
'series': (SELECT list({'label': tool,
'values': [Sensitivity, Specificity, Precision, F1, AUC],
'errors': [0.04, 0.05, 0.03, 0.04, 0.05]}
ORDER BY tool) FROM d),
'range': [0.5, 1],
'show_legend': true
}]
})) AS chart;

参考多边形​

references 在多边形背后加一条虚线轮廓 —— 目标值、平均值,或者一条用来对照的总体常模。

WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/radar.tsv'))
SELECT kuva_render(to_json({
'title': 'Against a reference',
'series': [{
'type': 'radar',
'axes': ['Sensitivity', 'Specificity', 'Precision', 'F1', 'AUC'],
'series': (SELECT list({'label': tool,
'values': [Sensitivity, Specificity, Precision, F1, AUC]}
ORDER BY tool)
FROM d WHERE tool = 'ToolA'),
'references': [{'label': 'target', 'values': [0.9, 0.9, 0.9, 0.9, 0.9]}],
'range': [0, 1],
'filled': true,
'dot_size': 4,
'show_legend': true
}]
})) AS chart;

网格与版面​

字段默认作用
grid_lines5同心环的数量
show_gridtrue环与辐射轴线
circular_gridfalse环画成圆而不是多边形
axis_ticksfalse每根轴穿过环处的刻度线
start_angle-90第 0 根轴的角度(从正北顺时针的度数)
start_axis0把哪根轴放到正上方
inverted_axes—要翻转的轴下标(大值靠近中心)
range按数据共享的取值区间
axis_ranges—逐轴覆盖:[轴下标, [最小, 最大]]
WITH d AS (SELECT * FROM read_csv_auto('{{DFK_BASE_URL}}data/radar.tsv'))
SELECT kuva_render(to_json({
'title': 'Circular grid',
'series': [{
'type': 'radar',
'axes': ['Sensitivity', 'Specificity', 'Precision', 'F1', 'AUC'],
'series': (SELECT list({'label': tool,
'values': [Sensitivity, Specificity, Precision, F1, AUC]}
ORDER BY tool) FROM d),
'circular_grid': true,
'grid_lines': 4,
'axis_ticks': true,
'range': [0, 1],
'filled': true,
'vertex_labels': true,
'show_legend': true
}]
})) AS chart;

字段​

字段类型设置什么
axesstring[]必填。 每根轴一个名字;至少 3 个。
seriesseries[]各多边形:{values, label?, color?, errors?, dasharray?}。
referencesseries[]虚线参考多边形,形状相同。
filledboolean填充多边形。
opacitynumber填充不透明度(默认 0.25)。
range[number, number]共享的取值区间(默认按数据推导)。
axis_ranges[integer, [number, number]][]逐轴的区间覆盖。
inverted_axesinteger[]要翻转的轴下标。
normalizeboolean每根轴各自缩放到 [0, 1]。
grid_linesinteger同心环数(默认 5)。
show_gridboolean环与辐射线(默认开)。
circular_gridboolean环画成圆而不是多边形。
axis_ticksboolean轴上的刻度线。
dot_sizenumber每个顶点画一个点(不给就不画)。
stroke_widthnumber多边形的描边宽度。
vertex_labelsboolean在每个顶点写数值。
start_angle / start_axisnumber / integer第 0 根轴落在哪。
show_legendboolean显示图例。

说明​

  • 至少 3 根轴,且每个系列必须每根轴正好一个值 —— 对不上是报错。
  • normalize 是逐轴的,所以归一化后的雷达图表达的是「在这根轴上相对高」,而不是任何绝对意义上的「高」。 标签上要写清楚。
  • axis_ranges 与 range 是两种写法;某根轴在 axis_ranges 里有条目就以它为准。
  • errors 列表的长度必须与系列的值个数一致。

另见​